农业机械学报

作者：王新，唐灿，朱建新，郭彩平，刘艺豪，王书茂

单位：中国农业大学,中国农业大学,山河智能装备股份有限公司,中国农业大学,中国农业大学,中国农业大学,

关键词：串番茄;YOLO v5s;目标检测;成熟度;夜间环境

基金：湖南省智能农机装备创新研发项目(202404710710436)

机器人自动化采收是温室串番茄收获作业的有效解决方案，其中串番茄成熟度是机器人采摘决策的重要依据。本文利用Deep White-Balance与Zero-DCE深度神经网络分别实现串番茄图像偏色修正和阴影细节增强，改善补光环境与夜间环境下图像偏色与局部弱光等问题。同时引入深度残差收缩网络，在YOLO v5s中构建RSBottleneck-CW模块对特征图进行软阈值化处理，抑制图像中的噪声干扰。实验结果表明，在夜间环境下，图像经Zero-DCE算法增强处理后，检测模型召回率达到0.924，捕获到了更多的番茄果实与果串目标。在补光环境下，图像经过Deep White-Balance与Zero-DCE联合处理后恢复了真实色彩并增强了纹理细节，检测模型平均精度均值(mAP)达到0.849，相比于处理前提升0.038。而嵌入RSBottleneck-CW模块的YOLO v5s对特征图噪声表现出了很强的适应性能，不管是否对图像进行深度增强，其mAP与F1值始终比原始YOLO v5s更高，夜间环境下mAP和F1值最高分别为0.902、0.844，补光环境下mAP和F1值最高分别为0.868、0.817。检测模型检测出果实与果串后，利用边框匹配算法可以获取到串番茄最终的成熟度。当串番茄成熟度为90%~100%时，夜间环境与补光环境下串番茄成熟度识别平均绝对误差分别为1.837%、1.067%，可为串番茄采摘机器人夜间自动采收作业提供决策依据。

来源：2025年第4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4期