整合深度學習與多目標追蹤技術於百香果自動化篩選系統之研製 - 農業知識入口網

摘 要

　　本研究旨在開發一套整合影像辨識與機電控制技術之「百香果病徵即時偵 測與自動化篩選系統」。在影像辨識方面，導入多目標追蹤技術進行定位優化， 僅使用 YOLO 進行高速辨識時，容易受運算負載而導致偵測不穩定或漏檢情形 。實驗評估比較 YOLOv8-Nano(v8n)搭載 7 種追蹤演算法(ByteTrack、BoT-SORT 、OC-SORT、DeepOC-SORT、Strong-SORT、BoostTrack、Hybrid-SORT)與單 獨 v8n 模型之效能差異，採兩階段評估流程：首階段針對辨識效能(精確率、召 回率與 F1-score)進行初步篩選，評估原生 v8n 以及結合 7 種不同追蹤演算法之 v8n 配置間的統計顯著性與系統穩定度；次階段則透過多目標追蹤效能指標進 行演算法效能的綜合定論。結果顯示，在模型綜合辨識效能評估下， v8n-OC-SORT 與 v8n-BoostTrack 展現較佳的平衡，如兩者的 F1-score 分別達 88.6%與 88.0%，於統計表現上領先其它演算法。然而，兩者在多目標追蹤效 能指標比較中，v8n-OC-SORT 展現出最佳整體效能：其多目標追蹤準確率 (MOTA)達到 85.4%，相較之下 v8n-BoostTrack 只達 58.8%；且在衡量追蹤穩定 性(IDF1)指標上高達 92.3%，身份切換次數(IDs)僅 7 次。因此，在百香果病果 汰除作業上，使用 v8n-OC-SORT 能有效克服目標遮擋與身份混淆，具備系統可 靠性，更能有效應對複雜環境，展現整體效能穩定性。

關鍵字：百香果、影像辨識、深度學習、追蹤演算法

臺中區農業改良場研究彙報第169期