农业机械学报

作者：奚小波，丁杰源，翁小祥，王昱，韩连杰，邹贇涵，唐子昊，张瑞宏

单位：扬州大学,扬州大学,扬州大学,扬州大学,扬州大学,扬州大学,扬州大学,扬州大学,

关键词：番茄;成熟度检测;图像识别;YOLO v5s;轻量化

基金：江苏省科技计划现代农业项目（BE2018302）、江苏省研究生科研与实践创新计划项目（SJCX24_2211）和扬州大学高端人才支持计划项目

针对自然环境下番茄识别易受复杂背景干扰、相邻果实成熟度相似难以检测等问题，本文提出了一种轻量化YOLO v5s-MCA番茄成熟度识别模型，划分成熟期、转熟期、转色期和未熟期4个成熟度等级。该模型在YOLO v5s基础上使用MobileNetV3网络，减少了模型参数量；在主干网络和颈部网络引入坐标注意力机制（Coordinate attention，CA），提高了模型对番茄特征表达能力；将颈部网络替换为加权双向特征金字塔网络BiFPN，强化了模型特征融合性能并提高了模型识别准确率；将颈部网络中的标准卷积模块改进为GSConv卷积，减轻了模型复杂度并提高了对目标信息的获取能力。试验结果表明，YOLO v5s-MCA模型参数量仅为2.33×106，计算量仅为4.1×109，模型内存占用量仅为4.83 MB，其精准度和平均精度均值分别达到92.8%和95.1%，相对YOLO v5s基础模型分别提升3.4、4.4个百分点。对比YOLO v3s、YOLO v5s、YOLO v5n、YOLO v7、YOLO v8n及YOLO v10n等6种模型，YOLO v5s-MCA模型轻量化效果与检测性能最优。

来源：2025年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第3期