农业机械学报

作者：徐婷婷，宋亮，卢学鹤，张海东

单位：苏州市农业科学院（江苏太湖地区农业科学研究所）,苏州市农业科学院（江苏太湖地区农业科学研究所）,苏州科技大学,苏州市农业科学院（江苏太湖地区农业科学研究所）,

关键词：火龙果;深度学习;品质;成熟度;StyleGAN2-ADA;YOLO v7

基金：苏州市农业科学院科研基金项目（22022、22023）

已有火龙果检测方法仅针对单一性能指标，难以满足农业真实场景的需要，为此提出了一种精准高效的火龙果品质与成熟度双指标检测方法。首先，利用自适应鉴别器增强的样式生成对抗网络扩充火龙果图像，建立复杂环境火龙果数据集。采用伽马变换进行图像增强，凸显火龙果特征，降低光照环境的影响。其次，提出了YOLO v7-RA模型。通过设计ELAN_R3替代ELAN（Efficient layer aggregation network）模块，减少主干网络对重复特征的提取，增强模型对细粒度特征关注度，提高双指标检测准确率。融入混合注意力机制（Mixture of self-attention and convolution，ACmix），增强模型对特征的提取和整合能力，降低杂乱背景信息干扰。最后，通过实验验证了YOLO v7-RA模型的检测性能。实验结果表明，该方法精准率为97.4%，召回率为97.7%，mAP0.5为96.2%，FSP为74f/s，实现了检测精度与检测速度的均衡。即使在遮挡情况下，YOLO v7-RA模型检测精准率仍达到91.4%，具有较好泛化能力，能够为火龙果智能化采摘的发展提供技术支持。

来源：2024年第7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7期