基于改进Faster R-CNN模型的丁岙杨梅成熟度检测方法

来源：湖北农业科学杂志2025年第4期北京时间：

作者：刘玉耀, 彭琼尹

单位：浙江东方职业技术学院人工智能学院,浙江 温州 325000

摘要：为了在复杂的自然生长环境中快速、精准地实现丁岙杨梅（Myrica rubra）不同成熟度检测,提出基于改进Faster R-CNN模型（ConvNeXt-T+SE+FPN）的丁岙杨梅成熟度检测方法。采用ConvNeXt-T作为主干特征提取网络,提升复杂场景下的检测能力;引入了SE注意力机制和特征金字塔网络（FPN）,增强模型对丁岙杨梅不同成熟度特征敏感性以及小目标果实的检测能力。相较于ResNet50,ConvNeXt-T+SE、ConvNeXt-T+FPN、ConvNeXt-T+SE+FPN能够使模型的平均精度均值（mAP）分别提升14.75%、19.85%、21.86%,其中ConvNeXt-T+SE+FPN的mAP提升幅度最大,能够有效提高丁岙杨梅不同成熟度的检测性能。通过对丁岙杨梅图像数据集进行训练和测试,改进Faster R-CNN模型在不同成熟度果实的检测中表现出较高的准确性,对未成熟、半成熟、近成熟和全成熟果实识别的平均精度（AP）分别为96.90%、94.63%、95.91%、97.58%,mAP为96.26%;相比Faster R-CNN模型,改进Faster R-CNN模型的mAP提升了21.86%。改进Faster R-CNN模型能够有效提升丁岙杨梅成熟度的检测精度,给杨梅的智能化采摘提供有力支持。

关键词：丁岙杨梅（Myricarubra）,改进FasterR-CNN模型,成熟度,检测

基金资助：浙江省教育厅一般科研项目基金资助项目（Y202352993）