文章详情

摘要

针对水果成熟度检测中存在的精度不足、复杂背景下识别难度大，传统方法在特征提取上表现出明显的局限性等问题，为此，提出了一种基于改进YOLOv11的水果成熟度检测算法（AGLU-YOLOv11），以满足水果成熟度检测中对数据高效、可靠采集的需求。AGLU-YOLOv11通过优化YOLOv11主干网络中的C3k2模块，融合CATM（Conv Additive Self-Attention）与CGLU（Convolutional Gated Linear Unit）设计了C3k2_AddBlock_CGLU模块，显著提升特征提取能力及多品种、多阶段成熟度果实的适应性。同时，在特征融合阶段引入AFCA注意力机制，强化全局特征表达及复杂背景的适应性，实现高效水果质量检测与标注。实验结果表明，AGLU-YOLOv11在Precision、Recall、mAP@0.5和mAP@0.5:0.95指标上相比其他检测模型，在精度、鲁棒性和多尺度目标适应性上表现更优，能够更好地满足识别水果成熟度的需求。

关键词

YOLO；目标检测；CGLU；CATM；水果成熟度检测

参考文献

1. [1] 赵杰斌，邓浩，徐振林.基于食品安全指数法的台山市蔬菜和水果农药残留风险评估 [J].现代食品科技，2023，39（6）：277-283.
2. [2] 田有文，吴伟，卢时铅，等.深度学习在水果品质检测与分级分类中的应用 [J].食品科学，2021，42（19）：260-270.
3. [3] CUBERO S，ALEIXOS N，ALBERT F，et al. Optimised Computer Vision System for Automatic Pre-Grading of Citrus Fruit in the Field Using a Mobile Platform [J].Precision Agriculture，2014，15（1）：80-94.
4. [4] OHALI A Y. Computer Vision Based Date Fruit Grading System: Design and Implementation [J].Journal of King Saud University-Computer and Information Sciences，2010，23（1）：29-36.
5. [5] 宋立航，张屹，时寅豪.基于改进YOLOv5s的自然环境下油桃成熟度检测方法 [J].中国农机化学报，2024，45（9）：250-257+2.
6. [6] ZHAO J F，DU C F，LI Y，et al. YOLO-Granada: A Lightweight Attentioned Yolo for Pomegranates Fruit Detection [J/OL].Scientific Reports，2024，14（1）：16848[2024-10-26].https://doi.org/10.1038/s41598-024-67526-4.
7. [7] REDMON J. You Only Look Once, Unified，Real-Time Object Detection [C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas：IEEE，2016：779-788.
8. [8] 常琳凯，马继东，张昊，等.基于改进YOLOv8的木材表面缺陷检测研究 [J/OL].林业工程学报，2024：1-12[2024-12-03].https://doi.org/10.13360/j.issn.2096-1359.202410002.
9. [9] ARISTOTELES，SYARIF A，SUTYARSO，et al. Identification of Human Sperm Based on Morphology Using the You Only Look Once Version 4 Algorithm [J/OL].International Journal of Advanced Computer Science and Applications (IJACSA)，2022，13（7）[2024-11-02].https://dx.doi.org/10.14569/IJACSA.2022.0130752.
10. [10] ZHANG T，LI L，ZHOU Y，et al. CAS-ViT: Convolutional Additive Self-Attention Vision Transformers for Efficient Mobile Applications [J/OL].arXiv:2408.03703 [cs.CV].[2024-10-28].https://arxiv.org/abs/2408.03703?context=cs.
11. [11] SHI D. TransNeXt: Robust Foveal Visual Perception for Vision Transformers [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Seattle：IEEE，2024：17773-17783.
12. [12] HU J，SHEN L，SUN G. Squeeze-and-Excitation Networks [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2019，42（8）：2011-2023.
13. [13] SUN H，WEN Y，FENG H，et al. Unsupervised Bidirectional Contrastive Reconstruction and Adaptive Fine-Grained Channel Attention Networks for Image Dehazing [J/OL].Neural Networks，2024，176：106314[2024-11-02].https://doi.org/10.1016/j.neunet.2024.106314.

基金项目

山西省科技战略研究专项重点项目（202304031401011）

作者简介

赵鹏（1973—），男，汉族，山西太原人，教授，博士在读，研究方向：软件工程、大数据、区块链；强光磊（2001—），男，汉族，安徽芜湖人，硕士研究生在读，研究方向：区块链、目标检测；通信作者：卢波（1988—），男，汉族，山西晋中人，博士，研究方向：区块链、协议安全性分析；高扬（2000—），男，汉族，山西忻州人，硕士研究生在读，研究方向：图像处理、目标检测；张仟祥（2000—），男，汉族，山西太原人，硕士研究生在读，研究方向：特征识别、嵌入式与物联网工程。