Архив Сельское хозяйство · Теплицы, садоводство и виноградарство
INESC TEC / UTAD: YOLOv7 находит грозди винограда, точность 98%
Исследователи INESC TEC и университета UTAD (Португалия) обучили модель YOLOv7-E6E для детекции гроздей винограда и оценки их повреждений. Точность детекции составила 98%, mAP 77%.
Кейс предоставлен Vinum ex Machina
запись № 226 · Кейсбук v2026-09-29, Никита Худов · CC BY-SA 4.0
Текст адаптирован под формат паспорта АрхИИВ и публикуется по CC BY-NC 4.0 с разрешения автора Кейсбука.
/01 · ключевые результаты
Цифры приведены по Кейсбуку Vinum ex Machina и не сверены редакцией с первоисточником.
-
возможность системы
98%
точность детекции гроздей
Vinum ex Machina, документ, 29.09.2026
2023 год · исследование детекции гроздей винограда и оценки повреждений
данные исследования
-
возможность системы
77%
mAP детекции гроздей
Vinum ex Machina, документ, 29.09.2026
2023 год · исследование детекции гроздей винограда и оценки повреждений
данные исследования
- 94% F1-мера детекции гроздей · возможность системы Vinum ex Machina, документ, 29.09.2026
- 71–72% mAP определения состояния грозди · возможность системы Vinum ex Machina, документ, 29.09.2026
- 10 010 изобр. размер набора данных · масштаб Vinum ex Machina, документ, 29.09.2026
оценка strategai
Оценка не рассчитывается.
Исследователи INESC TEC и университета UTAD (Португалия) обучили модель YOLOv7-E6E для детекции гроздей винограда и оценки их повреждений. Точность детекции составила 98%, mAP 77%.
/02 · паспорт кейса
Бизнес
- Компания
- INESC TEC / UTAD
- Отрасль
- Сельское хозяйство · Теплицы, садоводство и виноградарство
- Функция
- Производство и основные операции
- Задача
- Точное земледелие и животноводство
Технология
- Класс AI
- Компьютерное зрение
- Тип решения
- Собственная разработка
- Данные
- 10 010 изображений
Внедрение
- Стадия
- Исследование, на 29.09.2026
- География
- Португалия
/03 · описание кейса
Зачем
Бизнес-задача
Исследовательская группа INESC TEC и университета UTAD в Португалии изучала автоматическое распознавание гроздей винограда на изображениях. Задача состояла в том, чтобы находить грозди и оценивать их состояние, включая повреждения. Работа опубликована в журнале Agronomy в 2023 году.
Что
Решение
Для детекции гроздей и оценки повреждений использована модель компьютерного зрения YOLOv7-E6E. Модель находит грозди на изображении и определяет их состояние.
Как
Внедрение
Проект относится к исследовательской стадии: результаты получены при оценке модели на наборе данных, регулярная эксплуатация не описана. Модель показала mAP 77%, F1-меру 94% и точность 98% при детекции гроздей. Для определения состояния грозди mAP составил 71–72%.
/04 · источники и проверка
Что подтверждено
- Модель YOLOv7-E6E детектирует грозди винограда с точностью 98%, F1-мерой 94% и mAP 77%.
- Для определения состояния грозди mAP составил 71–72%.
Ограничения
- Показатели относятся к исследовательской оценке модели на наборе изображений; они не показывают качество работы в виноградниках в регулярной эксплуатации.
- Источник не приводит экономического эффекта, экономии труда или сравнения с ручным осмотром.
- Точность 98% и mAP 77% измерены разными метриками и не сопоставимы между собой как одна оценка качества.
-
[1] Vinum ex Machina
Vinum ex Machina — Кейсбук, запись № 226
партнёр · 29.09.2026
Открыть источник
АрхИИВ /strategai · CB-002691 · Версия 1 · 25.10.2026 · /c/CB-002691/ · Vinum ex Machina № 226