果实育种是一项长期活动，涉及对大量果实样品质量性状的反复测量。传统上，这些特征的测量是通过手工计数、称重来间接测量果实性状，而果实的颜色是通过视觉对比颜色表主观地划分为不同的颜色类别。但是这些传统测量过程费时费力，且主观因素较为严重。深度学习的快速发展可以帮助实现这一过程的自动化。在本文中，我们开发了一种利用YOLOv3实时自动计算相机视野中甜樱桃果实数量的方法。还使用Python开发了一个能够分析图像数据中其他特征（如尺寸和颜色）的系统。YOLO模型在提取尺寸和颜色信息时，在物体检测和樱桃计数方面获得了接近99%的准确率，在用于物体定位的IoU指标上获得了90%的准确率。该模型超过了人类的表现，与人工计数相比有了明显的改善。

(a)樱桃计数托盘               (b) 樱桃大小和硬度测量机                 

图1 樱桃测量设备。

图2  分析流程图。

图3 是同不同建模模型对樱桃样本的预测结果图。

图4 显示输入和输出图像的应用程序。

图5 YOLOv3的双变量拟合。