农业机械学报

作者：倪纪鹏，朱立成，董力中，崔学智，韩振浩，赵博

单位：中国农业机械化科学研究院集团有限公司;农业装备技术全国重点实验室,中国农业机械化科学研究院集团有限公司;农业装备技术全国重点实验室,中国农业机械化科学研究院集团有限公司;农业装备技术全国重点实验室,中国农业机械化科学研究院集团有限公司;农业装备技术全国重点实验室,中国农业机械化科学研究院集团有限公司;农业装备技术全国重点实验室,中国农业机械化科学研究院集团有限公司;农业装备技术全国重点实验室,

关键词：番茄果实;重叠遮挡;实例分割;YOLACT;Swin Transformer;数据增强

基金：山东省重点研发计划项目（2023CXGC010715）和中国机械工业集团有限公司科技专项（ZDZX2023-2）

在设施番茄种植环境中，果实重叠遮挡等情况会影响识别精度。因此，本文提出了一种基于YOLACT的实例分割模型，提高识别精度。首先，对果实重叠遮挡的类别进行细分并增加该类数据集，从而接近真实采摘场景，并在采摘决策中改善重叠遮挡对识别精度的影响；其次，采用Simple Cope-Paste数据增强方法提高了模型的泛化能力，降低了环境因素对实例分割效果的干扰；然后，在YOLACT基础上，引用多尺度特征提取技术克服了单一尺度特征提取的局限性，并降低了模型复杂度；最后，引入Swin Transformer中的Swin-S注意力机制，优化了模型对于番茄实例分割的细节特征提取效果。实验结果表明，本文模型能够一定程度上缓解分割结果中出现的漏检、误检问题，其目标检测平均精度为93.9%，相比于YOLACT、YOLO v8-x、Mask R-CNN、InstaBoost分别提升10.4、4.5、16.3、3.9个百分点；平均分割精度为80.6%，相比于上述模型分别提升4.8、1.5、7.3、4.3个百分点；推理速度为25.6f/s。该模型综合性能有较强的鲁棒性，兼顾了精度与速度，可为番茄采摘机器人完成视觉任务提供参考。

来源：2024年第10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10期