文献类型： 中文期刊

作者： 刘莫尘 ¹ ; 褚镇源 ¹ ; 崔明诗 ¹ ; 杨庆璐 ¹ ; 王金星 ¹ ; 杨化伟 ¹ ;

作者机构： 1.山东农业大学机械与电子工程学院;山东省农业装备智能化工程实验室;山东省园艺机械与装备重点实验室;山东省农业机械科学研究院

关键词： 红熟期草莓识别;关键点预测;YOLO v8-Pose;注意力机制

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2023 年 54 卷 0z2 期

页码： 244-251

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测.通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关键点预测的模型.以YOLO v8-Pose为基础,对其网络结构添加Slim-neck模块与CBAM注意力机制模块,提高模型对小目标物体的特征提取能力,以适应草莓数据集的特点.改进YOLO v8-Pose能够有效检测红熟期草莓并准确标记出果柄关键点,P、R、mAP-kp分别为98.14%、94.54%、97.91%,比YOLO v8-Pose分别提高5.41、5.31、8.29个百分点.模型内存占用量为22 MB,比YOLO v8-Pose的占用量小6 MB.此外,针对果园非结构化的特征,探究了光线、遮挡与拍摄角度对模型预测的影响.对比改进前后的模型在复杂环境下对红熟期草莓的识别与果柄预测情况,改进YOLO v8-Pose在受遮挡、光线和角度影响情况下的mAP-kp 分别为 94.52%、95.48%、94.63%,较 YOLO v8-Pose 分别提高 8.9、10.75、5.17 个百分点.改进 YOLO v8-Pose可在保证网络模型精度的同时对遮挡、光线和拍摄角度等影响均具有较好的鲁棒性,能够实现对复杂环境下红熟期草莓识别与果柄关键点预测.