FruitLangGS est un outil de comptage de fruits 3D guidé par le langage. Il utilise un pipeline adaptatif d'échantillonnage gaussien dense, avec élagage sensible au rayon et rastérisation par tuiles, pour reconstruire des scènes à l'échelle du verger. Contrairement aux pipelines existants qui s'appuient sur une segmentation 2D multi-vues et un échantillonnage de volume dense, FruitLangGS filtre les vecteurs sémantiques compressés et alignés sur CLIP contenus dans chaque gaussienne grâce à un mécanisme de similarité cosinus à double seuil. Il permet ainsi de récupérer les gaussiennes pertinentes pour l'invite cible, sans réapprentissage ni masquage de l'espace image, et de supprimer les distracteurs courants (par exemple, les feuilles). Les gaussiennes sélectionnées sont échantillonnées à partir d'un nuage de points dense et regroupées géométriquement pour estimer les instances de fruits. Elles sont résistantes aux fortes occlusions et aux variations de point de vue. Des expériences menées sur neuf ensembles de données différents à l'échelle du verger démontrent que FruitLangGS surpasse systématiquement les pipelines existants en termes de rappel par comptage d'instances, évite les erreurs de fusion de segmentation multi-vues et atteint un rappel allant jusqu'à 99,7 % sur l'ensemble de données du verger Pfuji-Size_Orch2018. D'autres études d'ablation confirment que les intégrations sémantiques conditionnelles au langage et le filtrage des invites à double seuil sont essentiels pour supprimer les distracteurs et améliorer la précision du comptage en cas d'occlusion sévère. Au-delà du comptage des fruits, le même framework permet une récupération sémantique 3D basée sur les invites sans réapprentissage, soulignant le potentiel de la reconnaissance 3D guidée par le langage pour une compréhension évolutive des scènes agricoles.