近日，本课题组在农业机械学报上发表题为“基于视频跟踪算法的果园猕猴桃产量实时预估”的研究论文。对猕猴桃产量的准确预估有利于合理安排后续采摘与运输工序，因此开发智能化的产量实时预估工具非常重要。针对大棚培育的猕猴桃矮化密植、分布范围广等特点，本研究利用果园履带小车采集视频，结合人工标注，建立猕猴桃检测和跟踪的数据集。

考虑到自制数据集中猕猴桃占比小及密集分布的特点，本文提出使用YOLO v7模型加上Soft-NMS来检测每一帧图像内的猕猴桃。在卡尔曼滤波器预测的结果上，引入VGG16网络对猕猴桃进行特征提取，并结合匈牙利算法完成帧间目标的匹配。最后采用基于YOLO v7+DeepSort跟踪算法的ID计数方法对猕猴桃进行产量估计。

实验结果表明，改进的YOLO v7模型在猕猴桃检测数据集上表现良好，检测的F1值为90.09%。猕猴桃跟踪数据集中使用的跟踪算法平均精确率为89.87%，每个目标正确匹配的准确率为82.34%，大型视频跟踪速度为20.19f/s。在环境影响较小的条件下，ID计数准确率为97.49%。该方法可为猕猴桃果园智能化管理中的估产、采收规划等提供技术支撑，也可为其他水果的产量估算提供参考。

该论文由华中农业大学信息学院郭明月老师为第一作者，华中农业大学工学院陈耀晖老师为通讯作者，课题组研究生刘雅晨参与合作完成，同时理学院李伟夫副教授、陈洪教授，工学院李善军教授也参与了论文的研究和指导工作。