Deep learning for horticultural innovation: YOLOv12s revolutionizes micropropagated lingonberry phenotyping through unified phenomic-genomic-epigenomic detection
Notice bibliographique
Résumé
Vaccinium vitis-idaea L. (lingonberry), globally recognized as a superfruit for its medicinal properties, has long been cultivated and consumed by Canadian Indigenous communities. This study introduces an AI-powered surveillance system that leverages an optimized You Only Look Once (YOLOv12) architecture to revolutionize yield estimation, phenomic profiling, and genomic/epigenomic analysis in micropropagated lingonberry. A custom multi-class annotated dataset was developed to evaluate model performance under real-world conditions. The YOLOv12 model, built on a RELAN backbone with flash-attention mechanisms, excelled in global context modeling, enabling accurate detection of berries and regenerated shoots in both ex vitro and in vitro environments. In contrast, YOLOv8 and YOLOv9, which rely on CNN-based feature extraction, demonstrated computational efficiency but suffered from overfitting and reduced operational robustness. In multi-class detection scenarios, YOLOv12 achieved the highest mean Average Precision with 67.3% mAP@50 in yield detection, 1.0–99.5% mAP@50 in micropropagated plant trait detection (shoots, berries, flowers), and 32.2–74% accuracy in gel electrophoresis band detection. These results reflect a 22% increase in throughput and a 38% reduction in error rates compared to conventionally human-monitored methods, significantly reducing labor cost for plant breeders and agricultural biotechnologist. The integrated system enables simultaneous monitoring of phenotypic traits across growth stages and precise molecular band analysis, establishing a new paradigm for precision agriculture and lingonberry improvement. This work establishes YOLOv12 as the first unified framework for micropropagated lingonberry phenotyping across biological scales, demonstrating labor reduction in breeding programs while maintaining operational reliability. The technology's mobile compatibility and cloud-integration potential offer immediate applications for the global $2.3B lingonberry market, particularly in precision nurseries and nutraceutical production.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».