农业机械学报

作者：夏天，谢纯，李琳一，陆声链，钱婷婷

单位：上海第二工业大学,上海第二工业大学,上海市农业科学院;上海数字农业工程技术研究中心,广西师范大学,上海市农业科学院;农业农村部长三角智慧农业技术重点实验室,

关键词：黄瓜;果实遮挡;设施温室;图像分割;YOLO v8;可变形卷积

基金：上海市农业科技创新项目（2023-02-08-00-12-F04621）和国家自然科学基金项目（61762013)

黄瓜果实的检测与分割对于表型分析和黄瓜生长管理至关重要。然而，在复杂温室环境下，果实往往与茎叶相互遮挡，且果实与背景颜色相似，导致传统方法在复杂环境下难以准确识别果实边界并实现高效分割。为此，提出了一种基于改进YOLO v8的黄瓜果实分割方法。该方法引入可变形卷积（Deformable convolution network v4，DCNv4）增强模型空间适应性；同时采用RepNCSPELAN4模块串联额外的C2F模块，细化特征提取与融合；从而提升了模型在复杂温室环境下对黄瓜果实图像的分割性能。实验结果显示，在玻璃温室和塑料连栋大棚两个实验场景中的多个类别上均有出色表现。其中，在玻璃温室场景中的精确率为96.3%，召回率为93.1%，平均精度均值mAP50为96.2%，mAP50-95为85.3%；在塑料大棚场景中的精确率为86.8%，召回率为81.9%，平均精度均值mAP50为90.0%，mAP50-95为77.0%。本研究提出的改进方法在处理边界、多重遮挡和多尺度分割方面具有更强的鲁棒性和泛化性，使模型能适应复杂性不同的多样化种植环境而准确分割黄瓜果实。精确的果实图像分割有助于表型参数的获取，为黄瓜果实的表型分析提供了可靠的技术支持，从而促进农业表型机器人的应用。

来源：2025年第5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5期