Análise de Interoperabilidade de Modelos de Detecção de Frutos de Tomate para Imagens Capturadas em Diferentes Instalações, Métodos de Cultivo e Horários do Dia

Este estudo investigou a interoperabilidade de um modelo de detecção de frutos de tomate treinado usando imagens noturnas de duas estufas. O objetivo foi avaliar o desempenho dos modelos em diferentes ambientes, incluindo diferentes instalações, métodos de cultivo e tempos de imagem. Uma abordagem de imagem inovadora é introduzida para eliminar o fundo, destacar as plantas-alvo e testar a adaptabilidade do modelo em diversas condições. Os resultados demonstram que a precisão da detecção de frutos de tomate melhora quando o domínio do conjunto de dados de treinamento contém o ambiente de teste. Os resultados quantitativos mostraram alta interoperabilidade, alcançando uma precisão média (AP50) de 0,973 na mesma estufa e um desempenho estável de 0,962 em outra estufa. A abordagem de imagem controlou as condições de iluminação, eliminando efetivamente o problema de mudança de domínio. No entanto, treinar em um conjunto de dados com baixa diversidade ou inferir imagens de aparência de plantas, mas não no conjunto de dados de treinamento, diminuiu a precisão média para aproximadamente 0,80, revelando a necessidade de novas abordagens para superar a oclusão de frutos. É importante destacar que essas descobertas têm implicações práticas para a aplicação de sistemas automatizados de monitoramento da frutificação de tomate em estufas, a fim de aumentar a eficiência e a produtividade agrícola.