文献类型： 中文期刊

作者： 郑镇辉 ¹ ; 吴昱汛 ² ; 熊敏饴 ² ; 张淡然 ² ; 黄伟华 ¹ ; 韦丽娇 ¹ ;

作者机构： 1.中国热带农业科学院农业机械研究所

2.华南农业大学工程学院

关键词： 图像处理;甘蔗;茎节检测;深度学习;轻量化

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2025 年 46 卷 011 期

页码： 68-73,82

收录情况： 北大核心

摘要： 甘蔗茎节的精准检测可实现甘蔗智能切种和种植定位,对蔗园生产管理优化、提高产量和效益具有显著意义.然而,现有方法在检测性能、模型复杂度以及实时性等方面存在挑战.为解决该问题,利用 EdgeYOLO模型,进行结构化场景下甘蔗茎节的视觉检测.设计野外甘蔗图像采集试验,对采集的甘蔗图像进行人工标记,并建立图像训练集和测试集.采用轻量化 EdgeYOLO网络作为甘蔗茎节检测模型,确定最优超参数组合并进行模型训练.开展野外实际切种试验,验证其有效性和检测性能.试验结果表明:该方法在测试集上的精确率、召回率、mAP值、单帧耗时以及模型大小分别为0.966、0.988、0.961、0.035 s 和 23.8 MB,同比 Edgeyolo_S_Coco 网络分别提高 0.7%、0.6%、0.4%、0.007 s 和 16.2 MB.结果表明,Edgeyolo_Tiny网络更具有检测性能和泛化能力,有效满足室外环境下对甘蔗茎节检测算法精度和应用成本的要求,可为农业智能化生产中甘蔗的收获和种植提供技术支持.