农业机械学报

作者：司永胜，孔德浩，王克俭，刘丽星，杨欣

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,河北农业大学,

关键词：苹果花识别;YOLO v5s;上下文信息;中心花;边花

基金：财政部和农业农村部：国家现代农业产业技术体系项目（CARS-27）

苹果树疏花是果园生产管理中的重要环节。准确高效地识别苹果中心花和边花，是研发智能疏花机器人的前提。针对苹果疏花作业中的实际需求，提出了一种基于CRV-YOLO的苹果中心花和边花识别方法。本文基于YOLO v5s模型进行了如下改进：将C-CoTCSP结构融入Backbone，更好地学习上下文信息并提高了模型特征提取能力，提高了模型对外形相似和位置关系不明显的中心花和边花的检测性能。在Backbone中添加改进RFB结构，扩大特征提取感受野并对分支贡献度进行加权，更好地利用了不同尺度特征。采用VariFocal Loss损失函数，提高了模型对遮挡等场景下难识别样本检测能力。在3个品种1837幅图像数据集上进行了实验，结果表明，CRV-YOLO的精确率、召回率和平均精度均值分别为95.6%、92.9%和96.9%，与原模型相比，分别提高3.7、4.3、3.9个百分点，模型受光照变化和苹果品种影响较小。与Faster R-CNN、SSD、YOLOX、YOLO v7模型相比，CRV-YOLO的精确率、平均精度均值、模型内存占用量和复杂度性能最优，召回率接近最优。研究成果可为苹果智能疏花提供技术支持。

来源：2024年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第2期