YOLOv8-PnP fusion architecture for non-contact robotic pollination: a 6D pose estimation approach for autonomous greenhouse operations
Rattachement africain : ae, ca, in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Background: The declining availability of natural pollinators and limitations of contact-based robotic pollination methods including flower damage, pathogen transmission, and reduced operational efficiency necessitate innovative solutions for protected horticulture. Gap: Existing robotic pollinators achieve limited success rates (∼ 66%) primarily due to inaccurate 6D flower pose estimation, while current airflow-based systems lack precise positioning capabilities. Contribution: This study presents a novel YOLOv8-PnP hybrid framework integrating real-time object detection with 6 degree of freedom pose estimation for precision airflow based pollination. The system employs a custom-designed Air Pollenmatic end-effector integrated with a Hello Robot Stretch platform through ROS-based visual servoing control. Results: Validation on 2,100 annotated greenhouse images demonstrated 95.8% precision, 94.6% recall, and 97.7% mAP@0.5 at 28.5 FPS (11.1 ms inference). Field trials achieved 92.5% pollination attempt rate and 85.6% success rate, yielding 79.2% overall efficacy-an 8.3 percentage point improvement over contact-based methods. Impact: This contactless approach eliminates mechanical flower damage, reduces disease transmission risk, and advances the feasibility of fully autonomous greenhouse pollination systems.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- YOLOv8-PnP fusion architecture for non-contact robotic pollination: a 6D pose estimation approach for autonomous greenhouse operations
- Date Crossref
- 26/03/2026
- Éditeur
- Frontiers Media SA
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Khalifa University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
University of Windsor Department of Mechanical Engineering pays non établi dans la noticeUniversité ou école supérieure
-
Thapar Institute of Engineering & Technology pays non établi dans la noticeUniversité ou école supérieure
-
Khalifa University Center for Autonomous Robotic Systems (KUCARS) pays non établi dans la noticeUniversité ou école supérieure
-
Thapar Institute of Engineering and Technology Department of Mechanical Engineering pays non établi dans la noticeStructure de recherche
Khalifa University of Science and Technology, Department of Mechanical Engineering — University of Windsor et Thapar Institute of Engineering & Technology, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.