[控场AI]
模型颜色分割检测器

ColorSegmentationDetector

基于 HSV 颜色阈值分割的检测器,用于花朵检测和计数,无需训练数据,但对光照变化敏感

时间轴 (近 90 天)

10月19日

检测器 ColorSegmentationDetector 使用 min_area=120 平方像素、bloom_area_min=900 平方像素,连通域达到 900 记为花蕾,低于则记为花苞。

待验证50%
10月19日

在未扰动的模拟场景上,严格评分(贪心中心距离匹配)给出精确率=召回率=F1=1.000,零误报。

待验证50%
10月19日

在曝光 −50、阴影渐变、半幅阴影三种光照条件下,按总数评分总误差为 0.0%,但实际上有六分之一到四分之一的花蕾丢失,并多出约二十个幽灵花苞。

待验证50%
10月19日

gamma 2.2 变暗条件下,花蕾检出数降至 45 个,花苞数膨胀到 179 个,总数误差仅 +6.7%。

待验证50%
10月19日

暖色偏条件下,花苞召回率精确归零,76 个花苞全部漏检,检出的 25 个“花苞”是碎片误报。

待验证50%
10月19日

过曝条件下,召回率保持 1.000,但精确率掉到 0.933,多出 15 个误报。

待验证50%
10月19日

检测器的失败阈值落在 gamma 1.9 与 2.2 之间某处,但采样稀疏且 1.9 那次夹带噪声,无法精确定位。

待验证50%
10月19日

0.8 倍半径叶片覆盖下,总误差达到 +81%,检出 297 个花苞(真值 76 个),因为被部分覆盖的花蕾碎成多块,每块落入 120–900 平方像素区间被误计为花苞。

待验证50%
10月19日

将 min_area 从 120 降到 40,在轻度遮挡下召回率从 0.776 升到 0.981、花苞召回率从 0.382 升到 0.947,但误报从 4 涨到 49,总误差从 −20.5% 翻成 +21.4%。

待验证50%

全部知识事实 (9)

来源文章