农业机械学报

作者：熊俊涛，韩咏林，王潇，李泽星，陈浩然，黄启寅

单位：华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,

关键词：木瓜;水果成熟度检测;机器视觉;深度学习;深度卷积神经网络

基金：国家自然科学基金项目(32071912)、广东省农业科技创新十大主攻方向“揭榜挂帅”项目(2022SDZG03)和广东省大学生科技创新培育专项资金项目(pdjh2023a0075)

利用深度学习实现视觉检测技术对自然环境下树上木瓜成熟度的识别，从而监测木瓜生长期成熟度有重要意义。针对目前木瓜的成熟度主要以人工判断为主，缺乏对木瓜成熟度快速、准确的自动检测方法问题，本研究基于轻量化YOLO v5-Lite模型，对自然环境下木瓜成熟度检测方法进行研究，通过采集的1386幅木瓜图像，训练得到最优权值模型。实验结果表明，该模型对木瓜检测mAP为92.4%，与目前主流的轻量化目标检测算法YOLO v5s、YOLO v4-tiny以及两阶段检测算法Faster R-CNN相比，其mAP分别提高1.1、5.1、4.7个百分点；此外，在保证检测精度的前提下，检测时间为7ms，且模型内存占用量仅为11.3MB。同时，该模型对不同拍摄距离、不同遮挡情况、不同光照情况下的果实均能实现准确识别，能够快速有效地识别出复杂背景下木瓜果实的成熟度，具有较强的鲁棒性，可以为木瓜果园的产量估计和采摘机器的定位检测提供技术支持。

来源：2023年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第6期