农业机械学报

作者：祝诗平，张越，唐茂杰，邹佳岐，刘寅峰

单位：西南大学,西南大学,西南大学,西南大学,西南大学,

关键词：百香果;成熟果实;YOLO v10n;RFAConv;CARAFE

基金：教育部中国高校产学研创新基金——德州专项（2021DZ005）

在自然环境下识别定位成熟百香果是实现其自动化采摘的首要任务。然而，在自然环境下，成熟百香果采摘面临光照变换、树枝遮挡和果实重叠等问题，需要一个高效的视觉系统作为依托，实现成熟百香果自动化采摘。为此，本文提出一种基于改进YOLO v10n的百香果成熟果实检测模型（RC-YOLO v10n）。在自然环境下采集百香果图像，并对图像中百香果果实进行标注（未成熟、近成熟、成熟时期果实）。以单阶段检测模型YOLO v10n为基础，在其Neck端引入RFAConv模块替换第9层C2f模块与第12层C2fCIB模块，以增强模型特征表达能力和特征融合效果;并使用CARAFE上采样算子替换原模型中的线性插值上采样模块，以丰富上采样语义信息。试验结果表明，相比原始模型，本文模型精确率提升3个百分点，召回率提升1.6个百分点，平均精度均值提升4.6个百分点，模型内存占用量为13.72MB，单幅图像检测时间为0.22s。本文模型性能优于Faster R-CNN以及YOLO系列目标检测算法。将改进前后模型部署到Jetson Nano上进行测试，结果表明，改进模型检测效果相比原模型有明显提升，单幅图像检测时间为1.78s，改进模型具有较好的应用价值。结合果园百香果实际采收情况给出了2种采摘策略：采摘近成熟与成熟百香果，采摘准确率为89.25％;只采摘成熟百香果，采摘准确率为92.08%。本文可为成熟百香果识别和自动化采摘提供参考。

来源：2025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2025年第10期