农业机械学报

作者：于镇伟，田富洋，王强，闫银发，张一诺，宋占华

单位：山东农业大学,山东农业大学;智能农业机器人山东省高等学校未来产业工程研究中心,中国农业机械化科学研究院呼和浩特分院有限公司,山东农业大学,智能农业机器人山东省高等学校未来产业工程研究中心,山东农业大学,

关键词：苜蓿种荚;成熟度;小目标识别;田间环境;VSC-DETR

基金：国家重点研发计划项目（2022YFD2001902）

针对确定苜蓿种子适收期时存在种荚识别效率低、种荚成熟度判断模型泛化能力差等问题，提出了一种苜蓿种荚成熟度判别模型（VSC-DETR），可精准确定田间苜蓿种子成熟度等级。在RT-DETR（Real-time detection Transformer）模型基础上，利用VanillaNet网络替代RT-DETR主干网络，提升模型在复杂自然环境下识别苜蓿种荚的计算效率和泛化能力；设计了新型卷积神经网络模块以增强检测苜蓿种荚小目标的能力，将尺度特征交互模块中的多头注意力替换为卷积加性标记混合器模块，优化模型对全局信息的理解；利用多元分支模块改进了RepC3（Re-parameterized cross stage partial network with 3 convolutions），将下采样过程中的标准卷积替换为线性可变形卷积，提升了苜蓿种荚成熟度特征提取的准确性和鲁棒性。试验结果表明，VSC-DETR的mAP@0.5达94.23%，平均检测时间为88.3ms。相较于RT-DETR，精确率、召回率和mAP@0.5分别提升7.65、14.2、11.36个百分点，且平均检测时间减少20.4ms。该研究结果能够快速、准确地识别不同成熟度的苜蓿种荚，可为苜蓿种子适收期的确定提供技术支撑。

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