近日，機(jī)械與電子工程學(xué)院苑進(jìn)教授團(tuán)隊(duì)在《Computers and Electronics in Agriculture》在線發(fā)表了題為“A novel lightweight model HGCA-YOLO: Application to recognition of invisible spears for white asparagus robotic harvesting”的研究論文。博士研究生張萍為該論文的第一作者，苑進(jìn)教授為該論文的通訊作者。

蘆筍富含營養(yǎng)且具有抗癌保健功效，被譽(yù)為“蔬菜之王”，目前國際上白蘆筍采收仍以人工作業(yè)為主，是一項(xiàng)高度重復(fù)和密集型的任務(wù)。白蘆筍是我國出口額最大的單一蔬菜品種，攻克白蘆筍采收技術(shù)瓶頸，實(shí)現(xiàn)自動化采收對蘆筍，對提高蘆筍產(chǎn)業(yè)的國際競爭力意義重大，準(zhǔn)確地檢測筍芽是實(shí)現(xiàn)機(jī)械化選擇性采收的首要問題。

在解決了壟面筍芽識別的基礎(chǔ)上，為了進(jìn)一步解決因采收不及時筍尖變紫、品質(zhì)下降的問題，針對壟面下筍尖頂土出現(xiàn)的土壤裂縫，研究團(tuán)隊(duì)提出了一種輕量級的不可見筍芽（裂縫形態(tài)）識別模型。建立了田間環(huán)境下不可見筍芽圖像數(shù)據(jù)集，并通過模擬田間作業(yè)場景進(jìn)行圖像增強(qiáng)變換；采用超參數(shù)進(jìn)化方法確定基線網(wǎng)絡(luò)；在基線網(wǎng)絡(luò)中基于提取的筍芽特征圖引入線性分組變換和坐標(biāo)注意力機(jī)制，降低模型的復(fù)雜性，提高對目標(biāo)位置的敏感性；將測試時間增強(qiáng)方法引入到網(wǎng)絡(luò)推理中，以增強(qiáng)變化環(huán)境中目標(biāo)識別的魯棒性。采用消融試驗(yàn)和對比試驗(yàn)分析了模型的性能，為其他與裂縫檢測有關(guān)的研究提供理論支持。

圖1.輸入的圖像及特征圖

圖2.檢測的圖像和熱圖

該研究構(gòu)建了選擇性采收機(jī)器人平臺，并進(jìn)行了田間采收試驗(yàn)，試驗(yàn)結(jié)果驗(yàn)證了視覺系統(tǒng)在白蘆筍選擇性收獲機(jī)器人中的有效性和可行性，突破了筍芽高速采收的瓶頸問題，為開發(fā)出智能化的選擇性白蘆筍采收機(jī)器人提供相關(guān)的技術(shù)支持。

圖3.白蘆筍采收試驗(yàn)

圖4.不同田間作業(yè)條件下的筍芽檢測

該研究得到了國家自然科學(xué)基金和山東省棉花產(chǎn)業(yè)技術(shù)體系的資助。

論文鏈接：https://doi.org/10.1016/j.compag.2024.108852

編      輯：萬    千 

審      核：賈    波