一种新颖的轻量化甘蔗茎节检测方法

来源：中国农机化学报杂志2025年第11期北京时间：

作者：郑镇辉, 吴昱汛, 熊敏饴, 张淡然, 黄伟华, 韦丽娇,

单位：(1.中国热带农业科学院农业机械研究所，广东湛江，524091； 2.农业农村部热带作物农业装备重点实验室，广东湛江，524091； 3.广东省农业类颗粒体精量排控工程技术研究中心，广东湛江，524091；4.华南农业大学工程学院，广州市，510642）

摘要：甘蔗茎节的精准检测可实现甘蔗的智能切种和种植定位，对蔗园生产管理优化，提高产量和效益具有显著意义。现有方法在检测性能、模型复杂度以及实时性等方面存在挑战。为解决该问题，研究利用EdgeYOLO模型，进行结构化场景下甘蔗茎节的视觉检测。设计野外甘蔗图像采集试验，对采集的甘蔗图像进行人工标记，并建立图像训练集和测试集。采用轻量化EdgeYOLO网络作为甘蔗茎节检测模型，确定最优超参数组合并进行模型训练。开展野外实际切种试验，验证其有效性和检测性能。试验结果表明:该方法在测试集上的精确率、召回率、mAP值、单帧耗时以及模型大小分别为0.966 s、0.988 s、0.961 s、0.035 s和23.8 MB，同比EdgeYOLO_S_Coco网络分别提高0.7%、0.6%、0.4%、0.007 s和16.2 MB。结果表明，Edgeyolo_Tiny网络更具有检测性能和泛化能力，有效满足室外环境下对甘蔗茎节检测算法精度和应用成本的要求，可为农业智能化生产中甘蔗的收获和种植提供技术支持。

关键词：图像处理,甘蔗,茎节检测,深度学习,轻量化

基金资助：中央级公益性科研院所基本科研业务费专项（1630132024001，1630132022001）；海南省科技重点研发专项资助(ZDYF2024XDNY150)；广西壮族自治区重点研发计划（桂科AB23026069）；湛江市科技计划项目（2023A01009）；湛江市工程技术研究中心（2023A123）