SDE-DET：複雑な果樹園環境における沙田柚検出のための精密ネットワーク
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19990v1発表形式：クロス
要旨：シャティアンポメロの検出は、その位置特定、自動収穫ロボット、成熟度分析に不可欠な工程です。しかし、複雑な果樹園環境におけるシャティアンポメロの検出は、多尺度問題、幹や葉による遮蔽、小物体検出など、大きな課題をもたらします。これらの問題に対処するため、本研究ではカスタムデータセットSTP-AgriDataを作成し、シャティアンポメロ検出のためのSDE-DETモデルを提案します。SDE-DETはまずStar Blockを用いて、計算オーバーヘッドを増やすことなく高次元情報を効果的に取得します。さらに、本モデルはバックボーンにDeformable Attentionを採用することで、遮蔽状態でのポメロ検出能力を向上させます。最後に、複数のEfficient Multi-Scale Attention機構をモデルに統合することで、計算オーバーヘッドを削減し、深層視覚表現を抽出することで、小物体検出能力を向上させます。実験では、シャティアンポメロ検出において、SDE-DETをYoloシリーズやその他の主流検出モデルと比較しました。提案されたSDE-DETモデルは、Precision、Recall、mAP@0.5、mAP@0.5:0.95、F1-scoreにおいて、それぞれ0.883、0.771、0.838、0.497、0.823というスコアを達成しました。SDE-DETはSTP-AgriDataデータセットにおいて最先端の性能を達成しました。実験結果は、SDE-DETがシャティアンポメロ検出のための信頼性の高い手法を提供し、自動収穫ロボットの更なる開発の基礎を築くことを示しています。
原文（英語）を表示
Title (EN): SDE-DET: A Precision Network for Shatian Pomelo Detection in Complex Orchard Environments
arXiv:2509.19990v1 Announce Type: cross
Abstract: Pomelo detection is an essential process for their localization, automated robotic harvesting, and maturity analysis. However, detecting Shatian pomelo in complex orchard environments poses significant challenges, including multi-scale issues, obstructions from trunks and leaves, small object detection, etc. To address these issues, this study constructs a custom dataset STP-AgriData and proposes the SDE-DET model for Shatian pomelo detection. SDE-DET first utilizes the Star Block to effectively acquire high-dimensional information without increasing the computational overhead. Furthermore, the presented model adopts Deformable Attention in its backbone, to enhance its ability to detect pomelos under occluded conditions. Finally, multiple Efficient Multi-Scale Attention mechanisms are integrated into our model to reduce the computational overhead and extract deep visual representations, thereby improving the capacity for small object detection. In the experiment, we compared SDE-DET with the Yolo series and other mainstream detection models in Shatian pomelo detection. The presented SDE-DET model achieved scores of 0.883, 0.771, 0.838, 0.497, and 0.823 in Precision, Recall, mAP@0.5, mAP@0.5:0.95 and F1-score, respectively. SDE-DET has achieved state-of-the-art performance on the STP-AgriData dataset. Experiments indicate that the SDE-DET provides a reliable method for Shatian pomelo detection, laying the foundation for the further development of automatic harvest robots.
Published: 2025-09-24 19:00 UTC