以交並比（IoU）結合Cascade R-CNN影像辨識技術追蹤咖啡花粉傳遞與授粉成效

2026/06/12

摘要

印度研究團隊開發IoU-AI影像分析方法，結合交並比（Intersection over Union, IoU）與級聯區域基底卷積神經網路（Cascade R-CNN）模型，分析咖啡花的花粉傳遞與授粉成功狀態，以協助更精準掌握咖啡開花期與授粉效率。

文章資訊

國際

刊出日期：2026/06/12

資料來源

Scientific Reports

文章摘譯

農業科技新脈動平台管理團隊

文章關鍵字

咖啡花授粉花粉傳遞影像辨識交並比（IoU） Cascade R-CNN 精準農業

以交並比（IoU）結合Cascade R-CNN影像辨識技術追蹤咖啡花粉傳遞與授粉成效

咖啡授粉監測背景

　　咖啡開花時間短，花朵柱頭僅在特定階段才適合接收花粉，因此授粉時機將直接影響果實形成與後續產量。過去農作物授粉監測多仰賴人工標註影像或計算花粉數量，但較少納入花粉是否實際接觸柱頭等空間資訊。由於咖啡花結構較複雜，且開花階段變化快速，因此授粉狀態判讀難度較高。

IoU-AI如何判讀花粉空間重疊

　　研究團隊提出IoU-AI方法，利用高解析度咖啡花影像偵測花朵、花藥、柱頭與花粉等構造，並以交並比評估模型偵測結果及花粉與柱頭間的空間重疊程度，作為推估花粉傳遞與授粉成功的依據。研究使用來自印度庫格（Coorg）咖啡園的影像資料，並以人工標註建立訓練、驗證與測試資料集。

自動化授粉監測工具應用範圍

　　研究結果顯示，該模型可追蹤咖啡花從花苞形成、開花、花粉傳遞到授粉成功等階段。當咖啡花約20%開放時，模型偵測準確率達94.77%；當花朵完全盛開時，準確率則為85.34%。研究團隊指出，此方法可協助建立自動化授粉監測工具，減少人工影像判讀與授粉監測負擔，並作為後續產量預測、人工授粉時機安排及精準農業管理參考。不過，研究仍需於更多咖啡品種、不同氣候與田間條件下進一步驗證，並納入花粉活性與柱頭可授性等生物因子，以提高實際應用可靠度。本研究成果已發表於《Scientific Reports》期刊。

【延伸閱讀】－人工智能幫助農民追踪蜜蜂授粉軌跡

FAQ

研究團隊提出IoU-AI方法，利用高解析度咖啡花影像偵測花朵、花藥、柱頭與花粉等構造。

研究使用來自印度庫格（Coorg）咖啡園的影像資料。

當咖啡花約20%開放時，模型偵測準確率達94.77%。

以交並比（IoU）結合Cascade R-CNN影像辨識技術追蹤咖啡花粉傳遞與授粉成效

咖啡授粉監測背景

IoU-AI如何判讀花粉空間重疊

IoU-AI方法利用哪些影像構造進行偵測？

研究使用哪裡的咖啡園影像資料？

當咖啡花約20%開放時，模型偵測準確率為多少？