[论文解读] Comparing YOLOv8 and Mask R-CNN for instance segmentation in complex orchard environments

Ranjan Sapkota, Dawood Ahmed+1 more|arXiv (Cornell University)|Dec 13, 2023

Smart Agriculture and AI参考文献 106被引用 8

一句话总结

该研究比较 YOLOv8（一阶段）和 Mask R-CNN（两阶段）在两组果园数据集上的实例分割，发现 YOLOv8 在准确性和速度方面在两个数据集上均优于 Mask R-CNN。

ABSTRACT

Instance segmentation is an important image processing operation for agricultural automation, providing precise delineation of individual objects within images and enabling tasks such as selective harvesting and precision pruning. This study compares the one stage YOLOv8 model with the two stage Mask R CNN model for instance segmentation under varying orchard conditions across two datasets. Dataset 1, collected in the dormant season, contains images of apple trees without foliage and was used to train multi object segmentation models delineating branches and trunks. Dataset 2, collected in the early growing season, includes canopy images with green foliage and immature apples and was used to train single object segmentation models delineating fruitlets. Results showed YOLOv8 outperformed Mask R CNN with higher precision and near perfect recall at a confidence threshold of 0.5. For Dataset 1, YOLOv8 achieved precision 0.90 and recall 0.95 compared to 0.81 and 0.81 for Mask R CNN. For Dataset 2, YOLOv8 reached precision 0.93 and recall 0.97 compared to 0.85 and 0.88. Inference times were also lower for YOLOv8, at 10.9 ms and 7.8 ms, versus 15.6 ms and 12.8 ms for Mask R CNN. These findings demonstrate superior accuracy and efficiency of YOLOv8 for real time orchard automation tasks such as robotic harvesting and fruit thinning.

研究动机与目标

• 为果园自动化任务（如选择性采摘和精确修剪）中的准确实例分割提供动力。
• 在不同果园条件下评估一阶段的 YOLOv8 与两阶段的 Mask R-CNN 的性能。
• 评估精度、召回率和推理时间，以确定在实时果园机器人应用中的适用性。
• 探讨数据集特征（休眠季节树木无叶 vs. 生长期树冠）如何影响模型性能。

提出的方法

• 比较一阶段的 YOLOv8 与两阶段的 Mask R-CNN 进行实例分割。
• 使用数据集1（休眠季节、无叶苹果）来训练用于分割树枝和树干的多目标分割模型。
• 使用数据集2（早期生长期、叶芽和果芽）来训练用于分割果芽的单目标分割模型。
• 在置信度阈值为 0.5 时评估精度和召回率。
• 测量两种模型的推理时间（单位：ms）。
• 分析跨数据集的性能差异，以为实时果园自动化任务提供参考。

实验结果

研究问题

• RQ1 在休眠季节的果园图像中，YOLOv8 是否为多目标分割提供比 Mask R-CNN 更高的精度和召回率？
• RQ2 在有叶和 immature 果实的冠层图像中，YOLOv8 是否在单目标果芽分割方面优于 Mask R-CNN？
• RQ3 在这些果园场景中，YOLOv8 与 Mask R-CNN 的推理时间对比如何？

主要发现

• 对于数据集1，YOLOv8 的精度为 0.90，召回率为 0.95，且 Mask R-CNN 的精度为 0.81、召回率为 0.81。
• 对于数据集2，YOLOv8 的精度为 0.93，召回率为 0.97， Mask R-CNN 的精度为 0.85、召回率为 0.88。
• 推理时间方面，YOLOv8 更短（10.9 ms 和 7.8 ms），而 Mask R-CNN 为 15.6 ms 和 12.8 ms。
• YOLOv8 展现出在实时果园自动化任务（如机器人采摘和果实稀疏化）中的优越精度与效率。