基于深度学习的西红柿成熟度分割识别番茄成熟度检测 YOLO11番茄检测与分割系统(opencv+cnn+数据集+模型+GUI界面)

news2026/5/8 15:49:42

YOLO11番茄检测与分割系统项目概述本项目采用YOLO11实现先进的实例分割技术用于番茄成熟度分类。在Laboro Tomato数据集上达到90.1% mAP0.5(边界框)和89.8% mAP0.5(掩码)的精度适用于实际农业应用场景tomato。应用场景机器人采摘自动化果实收获系统产量预估温室监测与分析分拣系统采后质量控制移动应用农场管理工具科研农业计算机视觉研究成熟度分类绿色未成熟番茄半熟部分成熟番茄全熟可采收番茄性能指标指标边界框检测实例分割mAP0.590.1%89.8%mAP0.5:0.9580.5%77.1%推理速度28ms28ms各类别表现类别精确率召回率mAP0.5全熟91.4%91.4%91.3%绿色86.8%91.8%91.8%半熟85.0%87.1%87.1%快速开始系统要求Python 3.10支持CUDA的NVIDIA GPU(推荐)8GB以上内存安装步骤gitclone https://github.com/Fonyuy45/yolo11-tomato-segmentation.gitcdyolo11-tomato-segmentationchmodx scripts/setup_environment.sh ./scripts/setup_environment.shsourcevenv/bin/activatewget-Omodels/best.pthttps://github.com/Fonyuy45/yolo11-tomato-segmentation/releases/download/v1.0/best.pt推理预测单张图片预测python src/predict.py--modelmodels/best.pt--sourcedata/sample_images/tomato1.jpg![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/d1078d9c758f4200b7b773bcce3110b6.png)**批量处理**bash python src/predict.py--modelmodels/best.pt--sourcedata/sample_images/ --save-dir results/batch_predictionsPython APIfromultralyticsimportYOLO modelYOLO(models/best.pt)resultsmodel(path/to/tomato_image.jpg)results[0].show()模型训练数据集配置python scripts/download_data.py python src/train.py--datadata/data_config.yaml--modelx--epochs100--batch4训练参数模型YOLO11x-seg (6200万参数)输入尺寸640×640批大小4训练轮数100优化器AdamWGPU显存约6GB(RTX 4060)数据集信息Laboro Tomato数据集训练图像2,001张验证图像86张总实例数898个标注格式YOLO分割掩码许可协议CC BY 4.0模型架构主干网络YOLO11x-seg输入分辨率640×640参数量62,053,721计算量319.7 GFLOPs输出边界框分割掩码硬件要求最低配置GPUGTX 1060 6GB / RTX 3050内存8GB存储5GB可用空间推荐配置GPURTX 4060 / RTX 3070内存16GB存储10GB SSD

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2595143.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！