Архив Сельское хозяйство · Теплицы, садоводство и виноградарство
Католический университет Пьяченцы: сегментация органов лозы, F1 0,88
В исследовании Католического университета Пьяченцы модель Mask R-CNN сегментировала органы лозы с точностью 0,97, полнотой 0,81 и F1 0,88. Детекция зоны обрезки показала полноту лишь 0,59.
Кейс предоставлен Vinum ex Machina
запись № 237 · 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
0,88 доля
F1-мера сегментации органов лозы
Vinum ex Machina, документ, 29.09.2026
2023 год · сегментация органов лозы моделью Mask R-CNN, исследование на изображениях виноградников
данные исследования
- 0,97 доля точность сегментации органов лозы · возможность системы Vinum ex Machina, документ, 29.09.2026
- 0,81 доля полнота сегментации органов лозы · возможность системы Vinum ex Machina, документ, 29.09.2026
- 0,59 доля полнота детекции зоны обрезки · возможность системы Vinum ex Machina, документ, 29.09.2026
оценка strategai
Оценка не рассчитывается.
В исследовании Католического университета Пьяченцы модель Mask R-CNN сегментировала органы лозы с точностью 0,97, полнотой 0,81 и F1 0,88. Детекция зоны обрезки показала полноту лишь 0,59.
/02 · паспорт кейса
Бизнес
- Компания
- Catholic University of Piacenza
- 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
- 1 215 и 119 изображений с нескольких виноградников за несколько лет
Внедрение
- Стадия
- Исследование, на 29.09.2026
- География
- Италия
/03 · описание кейса
Зачем
Бизнес-задача
Обрезка лозы требует определить, где расположена зона обрезки, и выделить органы растения на изображении. Работа относится к 2023 году и опубликована в журнале Precision Agriculture.
Что
Решение
В работе применены две нейросетевые архитектуры: Faster R-CNN для детекции зоны обрезки и Mask R-CNN для сегментации органов лозы. Обе модели относятся к компьютерному зрению и обрабатывают изображения виноградников.
Как
Внедрение
Детекция достигла точности до 0,96 на санджовезе, но полнота составила лишь 0,59. Сегментация дала точность 0,97, полноту 0,81 и F1 0,88. Стадия проекта — исследование, регулярной эксплуатации в источнике не описано.
/04 · источники и проверка
Что подтверждено
- Сегментация органов лозы моделью Mask R-CNN показала точность 0,97, полноту 0,81 и F1 0,88.
- Детекция зоны обрезки достигла точности до 0,96 на санджовезе при полноте 0,59.
Ограничения
- Показатели получены в исследовании на наборах из 1 215 и 119 изображений; они не показывают качество работы в регулярной эксплуатации на виноградниках.
- Полнота детекции 0,59 означает, что значительная часть зон обрезки не находилась; денежный или трудовой эффект не измерялся.
-
[1] Vinum ex Machina
Vinum ex Machina — Кейсбук, запись № 237
партнёр · 29.09.2026
Открыть источник
АрхИИВ /strategai · CB-002702 · Версия 1 · 25.10.2026 · /c/CB-002702/ · Vinum ex Machina № 237