文献类型：期刊文章

作　　者：朱智惟[1] 单建华[2] 余贤海[1] 孔德义[3,4] 王琼[3] 谢晓轩[3]

ZHU Zhiwei;SHAN Jianhua;YU Xianhai;KONG Deyi;WANG Qiong;XIE Xiaoxuan(School of Microelectronics,Hefei University of Technology,Hefei 230601,China;School of Mechanical Engineering,Anhui University of Technology,Maanshan 243032,China;Hefei Institute of Intelligent Machines,Chinese Academy of Sciences,Hefei 230031,China;Innovation Academy for Seed Design,Chinese Academy of Sciences,Sanya 572025,China)

机构地区：[1]合肥工业大学微电子学院,安徽合肥230601 [2]安徽工业大学机械工程学院,安徽马鞍山243032 [3]中国科学院合肥智能机械研究所,安徽合肥230031 [4]中国科学院种子创新研究院,海南三亚572025

出　　处：《传感器与微系统》

基　　金：中国科学院种子创新研究院委托项目(E12E0J11);安徽省科技重大专项项目(202203a06020002)。

年　　份：2023

卷　　号：42

期　　号：6

起止页码：129-132

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了实现番茄采摘机器人高效自动化采摘,针对当前番茄采摘机器人果实识别准确率较低、漏检率较高等问题,提出了一种基于YOLOv5s深度神经网络的番茄识别算法改进模型,通过对网络的Neck部分增加跨层连接,实现多尺度特征融合,并采用软性非极大值抑制,可对番茄果实进行快速准确的识别。在植物工厂全光谱光照条件下,进行实际采摘实验,其识别准确率达97.62%以上,比YOLOv5s高2.38%;同时,在漏检率方面降低了4.76%。将改进后的识别算法应用于自主研发的番茄采摘机器人系统中,可实现对番茄果实的准确采摘。

关 键 词：智慧农业  深度学习  目标检测 番茄采摘机器人  

分 类 号：TP212] TP391.46]