近日，計算機(jī)與信息科學(xué)學(xué)院2022級碩士研究生劉琴在呂佳教授的指導(dǎo)下，依托重慶市數(shù)字農(nóng)業(yè)服務(wù)工程技術(shù)研究中心、智慧農(nóng)業(yè)機(jī)器視覺感知與智能算法重慶市高校創(chuàng)新研究群體科研平臺，在中科院1區(qū)Top期刊《Computers and Electronics in Agriculture》上發(fā)表題為“MAE-YOLOv8-based Small Object Detection of Green Crisp Plum in Real Complex Orchard Environments”的研究論文。
準(zhǔn)確檢測青脆李對于實現(xiàn)智能化采摘、精確產(chǎn)量預(yù)測、智能疏果等一系列果園自動化管理技術(shù)至關(guān)重要。然而，在真實復(fù)雜的果園環(huán)境中，由于青脆李的尺寸較小，果皮和背景顏色相似并且果實之間重疊遮擋，導(dǎo)致青脆李檢測仍然面領(lǐng)著巨大的挑戰(zhàn)。為應(yīng)對上述挑戰(zhàn)，此文以YOLOv8s-p2為基礎(chǔ)網(wǎng)絡(luò)，設(shè)計了一種適用于真實果園場景下青脆李檢測的MAE-YOLOv8模型。該模型集成了高效多尺度注意力模塊，強(qiáng)化了對目標(biāo)與背景的區(qū)分。同時，通過漸進(jìn)式特征金字塔網(wǎng)絡(luò)優(yōu)化了特征融合過程，增強(qiáng)了對小目標(biāo)特征的識別能力。此外，該研究引入了MPDIoU損失函數(shù)，有效解決了果實重疊和遮擋導(dǎo)致的漏檢問題，從而提升了模型的精度和收斂速度。在實驗部分，使用自建的青脆李數(shù)據(jù)集對模型性能進(jìn)行了評估，并綜合比較了不同模型的精度、召回率、檢測速度。結(jié)果顯示，所提出模型在各項指標(biāo)上均優(yōu)于其他檢測模型，并展現(xiàn)出較強(qiáng)的魯棒性，為青脆李智能化采摘、估產(chǎn)、疏果等設(shè)備的研發(fā)提供了技術(shù)支撐。
據(jù)悉，《Computers and Electronics in Agriculture》是一本國際權(quán)威期刊，專注于探討計算機(jī)硬件、軟件、電子儀器及控制系統(tǒng)在農(nóng)業(yè)領(lǐng)域的應(yīng)用。該期刊廣泛收錄了涉及植物和動物農(nóng)業(yè)生產(chǎn)的計算機(jī)與電子技術(shù)研究，內(nèi)容覆蓋農(nóng)業(yè)土壤、水資源管理、病蟲害控制等多個方面。期刊特別注重研究的創(chuàng)新性和前沿性，旨在促進(jìn)農(nóng)業(yè)科技的發(fā)展。2022年，該期刊被評定為中國科學(xué)院1區(qū)Top期刊，其影響因子為7.7。
原文鏈接
