农业机械学报

作者：赵博，柳苏纯，张巍朋，朱立成，韩振浩，冯旭光，王瑞雪

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,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：樱桃番茄;目标检测;深度学习;RT-DETR;轻量化;Transformer

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）

为进一步提升穗收型樱桃番茄识别准确率和识别速度，实现设施环境番茄自动采摘，提出了一种基于改进Transformer的轻量化樱桃番茄穗态识别模型。首先，构建了包含不同光照环境和采摘姿态的樱桃番茄数据集，并对樱桃番茄果穗姿态进行了划分。然后，提出了一种基于改进RE-DETR的轻量化穗收樱桃番茄识别模型，通过引入一个轻量级的骨干网络EfficientViT替换RT-DETR原有的骨干网络，显著减少了模型参数和计算量;同时设计了一个自适应细节融合模块，旨在高效处理并融合不同尺度特征图，并进一步降低计算复杂度。最后，引入加权函数滑动机制和指数移动平均思想来优化损失函数，来处理样本分类中的不确定性。实验结果表明，该轻量化模型在保持高识别准确率（90%）的同时，实现了快速检测（41.2f/s）和低计算量（8.7×109 FLOPs）。与原始网络模型、Faster R-CNN和Swin Transformer相比，平均识别准确率提高1.24%~15.38%，每秒处理帧数（FPS）提高25.61%~255.17%，同时浮点运算量实现了69.37%~92.37%的大幅降低。该模型在综合性能上有着较强的鲁棒性，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技术支撑。

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