联合全局注意力的自然环境下草莓果实检测算法研究

来源：中国农机化学报杂志2025年第9期北京时间：

作者：秦培亮, 秦昌友, 王晓拓, 刘勇, 梁正龙

单位：（1. 苏州农业职业技术学院，设施农业智能装备工程技术研究开发中心，江苏苏州，215008；2. 兰州理工大学机电工程学院，兰州市，730050）

摘要：为克服草莓采摘机器在作业过程中存在采摘点定位精度低、遮挡草莓识别困难以及复杂背景干扰等问题，对现有的YOLOv5检测模型进行改进，通过引入全局注意力机制（GAM），增强模型对全局特征感知能力，更专注于草莓显著特征，减少误检同时提升对小目标特征提取和强化被遮挡区域特征，旨在提升模型自然环境背景下草莓果实定位准确率和遮挡识别的预测精确率；优化损失函数，使用软交并比（SIoU）作为损失函数，以增强尺度不变性和角度敏感性，确保正负样本的有效平衡。试验结果显示，相比于原始模型，经过改进后的模型在草莓果实检测精确率、召回率、平均精度、平均精度均值上分别提高2.20%、5.78%、5.11%、3.11%，在与SSD、YOLOv5s、YOLOv5m、YOLOv7—tiny、YOLOv8n以及YOLOv9c的对比试验中，在各项指标上均有很大优势，具有强鲁棒性，为机器人精准采摘的实现提供重要的技术支撑。

关键词：草莓果实,深度学习,YOLOv5s,目标检测,复杂背景

基金资助：江苏省现代农机装备与技术示范推广项目（NJ2023—24）；江苏现代农业（草莓）产业技术体系相城推广示范基地（JATS［2023］345）；苏州农业职业技术学院科研创新团队专项资助（CXTD202403）；甘肃省重点研发计划项目（24YFWA014）