农业机械学报

作者：惠云婷，吕玉婵，尤泳，李洪迁，王恒缘，王光辉，王德成，王海翼

单位：中国农业大学,中国农业大学,中国农业大学,山东五征集团有限公司,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：青贮收获机;活体检测;YOLO-TI;热红外;机器视觉

基金：国家重点研发计划项目（2024YFD2000501）、财政部和农业农村部：国家现代农业产业技术体系项目（CARS-34）和山东省大田作物智能作业装备与技术重点实验室（PKL2024B22)

青贮玉米田复杂环境遮挡驾驶员视线，收获机作业时易造成人员伤亡和重大经济损失。针对青贮收获机频繁伤害人畜的安全问题，构建了轻量化热红外图像检测模型YOLO-TI，设计了适用于青贮收获机的热红外活体检测预警系统。采集不同时间、地点和姿态的活体热红外图像并进行预处理，优化YOLO v5模型。将YOLO v5的主干网络替换为SqueezeNet进行特征提取，融入红外空间注意力机制(ISAM)以增强目标特征，并将损失计算中的CIoU函数替换为SIoU，构建YOLO-TI模型。试验结果显示YOLO-TI检测精确率达99.6%、召回率为99.1%、F1值为99.0%，实时检测速度为48f/s。对于相同的测试数据集，提出的模型较YOLO v5模型精确率、召回率、F1值以及检测速度分别提升4.4、2.1、3.3个百分点和11f/s；与YOLO v10相比，其精确率和召回率分别提升0.1、1.4个百分点。田间试验结果表明，在18℃环境下，系统在作业范围0~15m内活体检测精度平均值达91.5%，在收获机最小安全距离2.32m内，系统从目标出现到报警激活响应时间为0.45s，符合安全收获作业要求。该系统满足作业过程中实时检测活体的需求，且安全可靠，为青贮收获机在复杂农业场景下精确、高效检测活体提供了技术支持。

来源：2025年第11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11期