Scheda studio
Punteggio delle frecce con la webcam: Adam 2025
Real-Time Arrow Detection and Scoring on Archery Targets Using YOLOv8 with Euclidean Distance-Based Zone Estimation
Citazione
Adam, S., Fitri, N. A., Bibi, S., & Sufandi, M. R. (2025). Real-Time Arrow Detection and Scoring on Archery Targets Using YOLOv8 with Euclidean Distance-Based Zone Estimation. Journal of Applied Informatics and Computing, 9(6), 3669-3680. https://doi.org/10.30871/jaic.v9i6.11086
DOI: 10.30871/jaic.v9i6.11086Leggi la versione ad accesso aperto
Cita lo studio
Adam, S., Fitri, N. A., Bibi, S., & Sufandi, M. R. (2025). Real-Time Arrow Detection and Scoring on Archery Targets Using YOLOv8 with Euclidean Distance-Based Zone Estimation. Journal of Applied Informatics and Computing, 9(6), 3669-3680. https://doi.org/10.30871/jaic.v9i6.11086
@article{adam2025arrowdetectionyolov8,
author = {Adam, Safri and Fitri, Novi Aryani and Bibi, Sarah and Sufandi, Muhammad Ridhwan},
title = {Real-Time Arrow Detection and Scoring on Archery Targets Using YOLOv8 with Euclidean Distance-Based Zone Estimation},
year = {2025},
journal = {Journal of Applied Informatics and Computing},
volume = {9},
number = {6},
pages = {3669--3680},
doi = {10.30871/jaic.v9i6.11086}
}
Scheda tecnica
- Disegno
- Metodologico
- Popolazione
- Prove sull'attrezzatura, senza arcieri
- Oggetto della prova
- Attrezzatura, senza partecipanti
- Livello
- Livello di società
- Disciplina
- Non dichiarata
- Numero di soggetti
- 10
- Tipo
- Articolo in rivista
- Lingua
- Inglese
- Revisione tra pari
- Sì
- Sede
- Journal of Applied Informatics and Computing (rivista regionale)
Cosa ha misurato e cosa ha trovato
Un gruppo del Politecnico di Pontianak, in Indonesia, ha costruito un sistema che riconosce le frecce piantate nel bersaglio e ne calcola il punteggio partendo dall'immagine di una webcam montata dietro un cannocchiale da tiro. Una rete neurale YOLOv8 trova la punta di ogni freccia; poi il programma misura in linea retta quanto il centro del riquadro attorno alla freccia dista dal centro del bersaglio e lo confronta con i raggi delle zone.
Nella prova sul campo dieci arcieri hanno tirato dieci frecce ciascuno. Su 100 frecce il sistema ne ha trovate 91 e ha assegnato il punteggio corretto a 67; le altre 9 non le ha viste. Gli errori si concentravano con la luce che calava verso sera, sulle frecce vicine alla linea tra due zone e sulle frecce sovrapposte. In una prova precedente su immagini fisse, prese in parte dallo stesso materiale di addestramento, gli autori riportano che il modello riconosceva le frecce nel 78% dei casi.
Su un video ogni fotogramma ha richiesto in media 145,05 ms, quasi tutti (138,11 ms) spesi dalla rete per riconoscere le frecce. Arcieri e giudici, interrogati con un questionario dopo la prova, hanno dato un giudizio favorevole sulla facilità d'uso e hanno detto che il sistema non disturbava la concentrazione; il 90,9% però ha avuto bisogno di aiuto la prima volta.
Come è stato misurato
Le immagini sono state raccolte con il supporto del gruppo di tiro con l'arco del politecnico. Un primo tentativo con il sensore a 3 metri dal bersaglio rischiava di farlo colpire da una freccia, e lo smartphone dava file troppo pesanti: alla fine la webcam è stata fissata a un cannocchiale su treppiede, che con l'ingrandimento rendeva anche l'immagine più nitida. Alle foto raccolte gli autori hanno aggiunto immagini prese da Kaggle, per un totale di 850, divise in 80 e 20% tra addestramento e verifica, con un'unica etichetta, «freccia», disegnata a mano attorno alla punta. L'addestramento è durato 100 epoche su Google Colab, con alcune alterazioni casuali delle immagini (sfocatura, filtro mediano, bianco e nero, contrasto) applicate ciascuna con una probabilità dell'1%.
Sullo schermo compaiono cerchi guida calcolati sulle misure dei bersagli World Archery da 122, 80, 60 e 40 cm, che vanno fatti coincidere con il bersaglio reale regolando distanza e ingrandimento della telecamera; nella prova la telecamera stava a 15 metri dal bersaglio. Il punteggio automatico è stato confrontato freccia per freccia con quello segnato dai giudici. L'articolo non indica la distanza di tiro, il tipo di arco né la misura del bersaglio usato nella prova.
Il metodo, spiegato: Leggere il bersaglio con una fotocamera
Limiti
Il risultato principale si regge su 100 frecce di dieci arcieri, in un solo luogo, e i numeri dell'articolo non sono sempre coerenti tra loro. Il metodo parla di una divisione dei dati 70 e 30, i risultati di 80 e 20; le immagini raccolte sono 200 in un punto e 650 in un altro. Il 33% viene chiamato errore di rilevamento, mentre le frecce non trovate sono 9 e le altre 24 sono state trovate ma con un punteggio diverso da quello dei giudici. Le formule di valutazione, poi, parlano di azioni di tiro riconosciute o mancate, come se venissero da un altro lavoro, e non è chiaro su quali dati sia calcolato il 78%.
Il punteggio dipende dall'allineamento dei cerchi guida: gli autori stessi scrivono che piccoli movimenti del cannocchiale bastavano a causare errori di punteggio importanti, e il sistema non ha una calibrazione automatica. La freccia sulla linea, cioè il caso che in gara conta di più, è proprio quello che il sistema gestisce peggio, e manca una misura dell'errore di posizione in millimetri. Il questionario ha poche risposte (dalle percentuali sembrano 11) e non dice niente sull'accuratezza. Nel confronto riportato dagli stessi autori, diversi altri sistemi, non tutti pensati per il tiro con l'arco, superano il 90%.
Cosa vuol dire per chi tira
Per chi tira oggi lo studio non cambia niente: un sistema che assegna il punteggio corretto a due frecce su tre non può sostituire chi segna a mano, né in gara né in allenamento. Serve piuttosto a vedere dove sta la difficoltà del punteggio automatico: trovare la freccia nel bersaglio è la parte più facile, mentre assegnarla alla zona giusta quando tocca la linea, con la luce che cala o con un'altra freccia accanto, è la parte difficile.
Per chi pensa di registrare le proprie frecce per studiare il raggruppamento, l'articolo mostra che una webcam dietro un cannocchiale basta a vedere le frecce da 15 metri e che la posizione di ogni impatto si può ricavare in automatico. Non dimostra però che quella posizione sia abbastanza precisa per misurare la dispersione di un arciere, perché gli autori controllano solo se la zona coincide con quella dei giudici.
Nel registro
Le affermazioni in cui questo studio è un'evidenza, con la sua posizione e lo stato attuale.
- ContestatoIl punteggio si può assegnare in automatico dalle immagini del bersaglio (contro)
- RiportatoUn sistema di punteggio a telecamera sbaglia qualche freccia: quelle poco sporgenti e quelle che muovono la carta della visuale (contesto)
- Non studiatoSi possono indossare sensori durante il tiro senza disturbare l'arciere (contesto)
Articoli che lo usano
Filone di ricerca
Stesso filone
- 2025Can we predict archery performance using shooting heart rate and other biophysical parameters? A machine learning approach
- 2025Development of an Archery Technique Test Instrument: Objective Evaluation to Improve Athlete Performance
- 2025Effectiveness of Combination Flexi-Bar Shoulder Exercise to the Kinesiotaping Application on Increasing Upper Extremity Proprioceptive Ability and Shooting Accuracy in Archery Athletes at Gandawa Archery Club
- 2025Exploring the relationship between competitive anxiety and archery performance: evidence from Malaysian athletes
- 2025Machine learning methods to classify engineering students’ ability to perform recreational archery activities using biomechanical data
- 2025Okçuluk Öğretimi ile Propriyosepsiyon Bazı Antropometrik Ölçümler ve Motor Beceri İlişkisi
Cita questa scheda
Campagna, M. (2026). Scheda studio: Real-Time Arrow Detection and Scoring on Archery Targets Using YOLOv8 with Euclidean Distance-Based Zone Estimation. In Registro delle evidenze. matteocampagna.com. Consultato il 16 ottobre 2026, da https://matteocampagna.com/evidence/adam-2025-arrow-detection-yolov8
@misc{campagna2026_evidenceadam2025arrowdetectionyolov8,
author = {Campagna, Matteo},
title = {Scheda studio: Real-Time Arrow Detection and Scoring on Archery Targets Using YOLOv8 with Euclidean Distance-Based Zone Estimation},
year = {2026},
howpublished = {Registro delle evidenze, matteocampagna.com},
url = {https://matteocampagna.com/evidence/adam-2025-arrow-detection-yolov8},
note = {consultato il 2026-10-16}
}
Aggiornamenti del registro, per email
Al massimo un'email al mese, e solo nei mesi in cui qualcosa cambia: affermazioni che cambiano stato, affermazioni nuove, previsioni del Laboratorio registrate o verificate, studi nuovi e l'uscita dei libri.
L'iscrizione la gestisce Systeme.io, il servizio della newsletter. In ogni email c'è il link per cancellarti con un clic.