Cross-Generation Optimization of YOLOv26, YOLOv11, and YOLOv8 for Fine-Grained Small-Object Detection and Instance Segmentation in Complex Orchards

In de stille, door de zon beschenen rijen van een commerciële appelgaard wacht een subtiele maar moeilijke uitdaging op de machines van de toekomst. Decennialang heeft computer vision geleerd om objecten te herkennen, waarbij auto's in het verkeer of mensen in menigten met verbazingwekkende snelheid worden gevonden. Maar wanneer diezelfde machines in de vroege zomer naar een jonge appelboom kijken, wordt de taak verrassend moeilijk. De vrucht is minuscuul, vaak niet groter dan een vingernagel, en is verborgen in een dicht, chaotisch kluwen van groene bladeren, stengels en takken die bijna identiek zijn aan de vrucht zelf. Deze "groen-op-groen" omgeving creëert een visuele puzzel waarbij het doelwit naadloos opgaat in de achtergrond. Om robots te bouwen die deze bomen kunnen verzorgen—misschien om overtollig fruit uit te dunnen zodat de overgebleven exemplaren groot en zoet kunnen groeien—hebben ingenieurs meer nodig dan alleen een camera die een vrucht ziet. Ze hebben een systeem nodig dat de delicate, draadvormige steel die de vrucht vasthoudt, de kleine beker aan de basis en het vruchtlichaam zelf kan onderscheiden, zelfs wanneer ze gedeeltelijk verborgen zijn of slechts enkele pixels breed op een scherm.

Dit is het specifieke probleem waar een team onderzoekers van Cornell University zich mee bezighoudt, die onderzoek wilden doen naar hoe goed moderne kunstmatige intelligentie met deze kleine, verborgen details omgaat. Ze richtten zich op een familie van AI-modellen die bekend staan als YOLO, die beroemd zijn om hun vermogen om objecten in realtime te detecteren. Het team heeft geen nieuw type AI uitgevonden; in plaats daarvan traden zij op als zorgvuldige experimentatoren, waarbij zij drie verschillende generaties van deze modellen namen—de gevestigde YOLOv8, de nieuwere YOLOv11, en de zeer recente YOLOv26—en deze testten onder een grote verscheidenheid aan omstandigheden. Ze wilden twee dingen weten: werkt een groter, complexer AI-model altijd beter voor deze kleine doelen, en helpt het de AI als je een scherpere afbeelding met een hogere resolutie voert zodat het kan zien wat het anders zou missen? Om dit te ontdekken, trainden ze dertig verschillende versies van deze modellen op een dataset van 600 afbeeldingen genomen in een echte appelgaard in de staat Washington, waar de vruchten op hun kleinste en moeilijkst te vinden waren.

De resultaten van dit uitgebreide testen onthulden een contra-intuïtieve waarheid over hoe deze machines leren te zien. Al een lange tijd is de aanname in het vakgebied dat als je betere prestaties wilt, je simpelweg een groter brein nodig hebt. In de wereld van AI betekent dit het gebruik van een model met meer lagen en meer parameters, wat in essentie betekent dat de computer meer geheugen en rekenkracht krijgt om de afbeelding te analyseren. Het team testte dit door de kleinste versies van de modellen, bekend als "nano", te vergelijken met de enorme "extra-large" versies. Ze ontdekten dat het simpelweg groter maken van het model niet gegarandeerd betere resultaten opleverde. Sterker nog, de grootste, rekenintensieve modellen slaagden er vaak niet in om hun veel kleinere, efficiëntere neefjes te overtreffen. De grootste modellen misten soms de minuscule stengels volledig of hadden moeite om de precieze grenzen van de vrucht te trekken, ondanks dat ze over veel meer rekenkracht beschikten.

In plaats daarvan lag de sleutel tot het helder zien van deze kleine objecten in de manier waarop de afbeeldingen tijdens de training aan de AI werden gepresenteerd. De onderzoekers vergeleken twee benaderingen: één waarbij de afbeeldingen werden verkleind naar een standaardformaat van 640 bij 640 pixels, en een andere waarbij de afbeeldingen op een hogere resolutie van 960 bij 960 pixels werden gehouden. Wanneer de afbeeldingen werden verkleind, verloren de kleine stengels en kleine vruchtlichamen aan detail, waardoor ze wazig werden of verdwenen in de ruis van de achtergrondbladeren. Door de resolutie hoger te houden, behielden de onderzoekers de fijne ruimtelijke details die de AI nodig had om de scène te begrijpen. Deze benadering met een hogere resolutie hielp de modellen consistent, maar het hielp niet alle modellen evenveel. De meest significante verbeteringen werden gezien in de klein- tot middelgrote modellen. Deze compacte modellen waren, wanneer getraind op de scherpere afbeeldingen, in staat om de kleine vruchtonderdelen te detecteren en te omlijnen met een nauwkeurigheid die de enorme modellen niet konden evenaren, zelfs niet toen de enorme modellen dezelfde hoge resolutie afbeeldingen kregen.

De studie benadrukte dat de moeilijkheid van de taak varieert afhankelijk van welk deel van de vrucht de robot moet zien. Het hoofdlichaam van de jonge vrucht, dat ronder en groter is, was relatief gemakkelijk voor de AI om te vinden. De bloembeker aan de basis van de vrucht was moeilijker, maar nog steeds beheersbaar. Het moeilijkste doelwit was de pedunculus, de dunne, naaldachtige steel die de vrucht aan de tak bevestigt. Deze structuur is zo smal en vaak zo sterk aan het zicht onttrokken door bladeren, dat hij gemakkelijk verloren gaat wanneer een afbeelding wordt aangepast in grootte of wanneer het AI-model niet correct is afgestemd. De onderzoekers ontdekten dat de kleine modellen getraind op afbeeldingen met een hoge resolutie het meest succesvol waren in het vinden van deze stengels. Zo bereikte een van de kleine modellen, getraind op de 960-pixel afbeeldingen, een hoog niveau van nauwkeurigheid bij het identificeren van de vrucht en de delen ervan, terwijl het slechts een fractie van de rekenkracht gebruikte die de grootste modellen vereisen. De grootste modellen hadden daarentegen aanzienlijk meer tijd nodig om elke afbeelding te verwerken en verbruikten veel meer energie, terwijl ze niet betere resultaten produceerden. In sommige gevallen presteerden de grootste modellen zelfs slechter, wat suggereert dat het toevoegen van meer complexiteit de AI soms eerder in de war brengt dan helpt.

Dit werk biedt een duidelijke gids voor ingenieurs die robots voor de landbouw bouwen. Het suggereert dat de weg naar betere perceptie niet noodzakelijkerwijs ligt in het bouwen van grotere, duurdere computers, maar in het slimmer voorbereiden van de data. Door de focus te leggen op het behouden van de fijne details van de afbeelding en dit te combineren met een model dat net groot genoeg is voor de taak, is het mogelijk om een hoge nauwkeurigheid te bereiken zonder de zware computationele kosten. De onderzoekers ontdekten dat een klein model getraind op afbeeldingen met een hoge resolutie de vrucht en de delicate onderdelen ervan met een nauwkeurigheid kon identificeren die die van de krachtigste beschikbare systemen evenaart of zelfs overtreft. Dit is een cruciale bevinding voor de toekomst van de robotlandbouw, waar robots snel en efficiënt in het veld moeten kunnen werken, vaak met beperkte stroom en rekenbronnen. De studie concludeert dat voor de specifieke uitdaging van het zien van kleine, verborgen objecten in een complexe groene omgeving, de combinatie van een compact model en een scherp beeld veel effectiever is dan simpelweg meer rekenkracht tegen het probleem aan gooien. De implementatie van deze modellen en de gebruikte data zijn nu beschikbaar voor anderen om te gebruiken, wat een praktisch fundament biedt voor de volgende generatie landbouwrobots die de boomgaard niet alleen als een groene waas zien, maar als een collectie van individuele, delicate structuren die wachten om verzorgd te worden.