农业机械学报

作者：申颜青，李丽，李渊明，童晓玲，周永忠

单位：西南大学;宜宾西南大学研究院,西南大学;宜宾西南大学研究院,西南大学,资源昆虫高效养殖与利用全国重点实验室,重庆祥飞智能科技有限公司,

关键词：桑叶采摘;桑枝伐条;YOLO v5;目标检测

基金：宜宾市双城协议保障科研经费科技项目(XNDX2022020015)、重庆市杰出青年科学基金项目(2022NSCQ-JQX0030)和中央高校基本科研业务费专项资金项目(SWU-XDJH202302)

为应对桑树生长的多季节变化及形态多样性，同时满足其与养蚕周期相匹配的需求，解决当前桑叶自下而上采摘与桑枝伐条作业中对人工定位的依赖问题，本研究建立桑园2021年7月、2024年9月和11月各种气候与桑枝形态的数据集，提出基于改进YOLO v5的桑树枝干检测模型YOLO v5-cytp，构建基于深度相机的三维定位系统实现精准识别。首先，加入CA注意力机制，增强模型对桑枝底部的特征聚焦能力；然后将YOLO v5基础的CIoU损失函数替换为SIoU损失函数以提升训练速度与推理精度；最后采用轻量化GhostNet重构YOLO v5的骨干网络，在满足使用要求的前提下将模型轻量化。完成深度相机标定，实现RGB图像与深度图像对齐，经过坐标转换最终获取目标三维坐标。试验表明，YOLO v5-cytp模型平均精度均值达93.4%，相较YOLO v5原始模型提高1.2个百分点；同时内存占用量由3.79MB降低为3.02MB，降低20.31%；模型桑枝识别率达到91.11%；桑枝底部三维坐标（X，Y，Z）定位最大误差为（11.3，14.1，27.0）mm，符合误差允许值。模型可同时实现桑叶自下而上采摘与桑枝伐条作业的识别定位，可为桑园智能化采摘与伐条机器人提供参考。

来源：2025年第8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8期