农业机械学报

作者：李丽，张官明，张云峰，梁继元，淳长品

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：柑橘采摘;目标检测;姿态估计;轻量化网络;点云处理;MobileNetV4

基金：重庆市杰出青年科学基金项目(2022NSCQ-JQX0030)、宜宾市双城协议保障科研经费科技项目(XNDX2022020015)、中央高校基本科研业务费项目（Swu-XDJH202302）和重庆市研究生科研创新项目（CYB23125）

为解决果园环境下的柑橘多变姿态估计问题，提高柑橘采收成功率，本文提出一种轻量化目标检测网络YOLO v5-MNv4S,与改进的随机采样一致性-高斯牛顿(Random sample consensus-Gauss Newton，RANSAC-GN)点云处理算法，根据柑橘生长及末端采摘流程定义柑橘姿态，构建了柑橘姿态实时估计系统。首先将YOLO v5s骨干网络优化为轻量化特征提取网络(MNv4-Conv-S)，大幅降低训练参数，使最终输出网络权重轻量化，减少计算量，提高识别效率;其次添加CA注意力机制及替换损失函数为SIoU，解决了轻量化网络特征提取能力弱的问题。上述改进实现了YOLO v5-MNv4S网络轻量化与优于YOLO v5s的检测能力。D435i型相机采集图像后输入到YOLO v5-MNv4S获取目标边界框，使用针孔模型输出柑橘区域点云，分割出柑橘表面点云，结合本文改进的RANSAC-GN点云算法拟合出准确稳定的柑橘参数，融合果蒂空间坐标，最终输出待采摘柑橘空间姿态结果。消融试验及网络对比试验结果表明，轻量化的YOLO v5-MNv4S精度为93.1%，参数量仅为YOLO v5s的14.7%,对比 YOLO v5s-Ghost以及YOLO v7 、YOLO v8等网络，其在参数大幅缩减的同时，识别精度最佳。柑橘定位与姿态识别试验结果表明，采用RANSAC-GN的柑橘参数拟合误差为(0.18,0.19,0.44)mm,姿态估计误差为2.56°，姿态估计准确，真实果园环境下柑橘姿态估计结果与真实柑橘一致。该研究能满足果园环境下对柑橘姿态的识别，可为结构化柑橘果园机械采收设备提供技术支持。

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