文章详情

摘要

番茄加工原料的质量把控是制品品质保障的关键，传统人工挑拣效率低、精度易受人为因素影响，难以适配工业化大规模生产。因此立足新疆番茄加工产业实际需求，开展基于深度学习的番茄坏果智能识别研究并完成配套识别系统的开发。研究通过实地拍摄与网络收集构建含6类番茄果实数据集，经数据增强扩充至10 429张；选取Faster R-CNN、SSD、YOLOv8、YOLOv13四种主流目标检测模型开展对比实验，最终确定YOLOv13为最优模型。实验表明，该模型mAP@0.5达94.8%，推理速度32 FPS，小目标漏检率4.8%，可精准完成番茄定位、病害区分与合格性判定。其次，开发了对应的智能识别系统，实现结果可视化展示，支持YOLOv13、YOLOv8、Faster R-CNN、SSD四种检测算法，有效替代人工挑拣，为番茄加工产业智能化质量把控提供了技术支撑与落地方案。

关键词

番茄加工；不合格原料；智能识别；深度学习；Faster R-CNN；SSD；YOLOv8；YOLOv13；目标检测

参考文献

1. [1] 赵竞伊.番茄品质分析及无损检测模型的建立 [D].沈阳：沈阳农业大学，2024.
2. [2] 郭彦英.基于高光谱成像技术的番茄品质快速检测及可视化系统开发 [D].银川：宁夏大学，2024.
3. [3] 赵明蕊.基于高光谱成像技术的加工番茄果实品质无损检测研究 [D].石河子：石河子大学，2023.
4. [4] 李超，坎杂，张若宇，等.加工西红柿分选检测系统的分析研究 [J].农业机械，2009（8）：86-87.
5. [5] 刘燕德，徐海，孙旭东，等.西红柿成熟度的近红外漫透射光谱无损检测 [J].激光技术，2019，43（1）：25-29.
6. [6] David I，Eisa B，Cedric O，et al. A Computer Vision System for Defect Discrimination and Grading in Tomatoes Using Machine Learning and Image Processing [J].Artificial Intelligence in Agriculture，2019，2（C）：28-37.
7. [7] Huang X Y，Pan S H，Sun Z Y，et al. Evaluating Quality of Tomato During Storage Using Fusion Information of Computer Vision and Electronic Nose [J/OL].Journal of Food Process Engineering，2018，41（6）：e12832.https://doi.org/10.1111/jfpe.12832.
8. [8] 郭德超，饶远立，张豪，等.结合机器视觉和光谱技术的番茄综合品质检测方法 [J].食品与机械，2024，40（9）：123-130.
9. [9] 孙宇朝，李守豪，夏秀波，等.利用改进YOLOv5s模型检测番茄果实成熟度及外观品质 [J].园艺学报，2024，51（2）：396-410.
10. [10] 何婷婷.基于机器视觉的番茄外观品质检测 [D].晋中：山西农业大学，2023.
11. [11] Lei M，Li S，Wu Y，et al.YOLOv13:Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception [PP/OL].arXiv.https://arxiv.org/abs/2506.17733.

基金项目

2025年新疆农业大学自治区级大学生创新训练计划项目（S202510758002）

作者简介

保婉婷（2004—），女，回族，宁夏银川人，本科在读，研究方向：人工智能；张云龙（2001—），男，汉族，新疆乌鲁木齐人，本科在读，研究方向：人工智能；王心恬（2004—），女，汉族，新疆乌苏人，本科在读，研究方向：人工智能；张雨静（2004—），女，汉族，新疆乌鲁木齐人，本科在读，研究方向：人工智能；通信作者：孟小艳（1978—），女，汉族，新疆阜康人，博士，副教授，硕士研究生导师，现任计算机与信息工程学院副院长，研究方向：知识图谱、计算机应用技术、物联网技术。