基于机器视觉的蚕豆荚高精度检测方法研究

来源：中国农机化学报杂志2025年第1期北京时间：

作者：夏子林, 张新洲, 王文波, 夏先飞, 陈兰, 顾寄南

单位：1. 江苏大学机械工程学院，江苏镇江，212013； 2. 农业农村部南京农业机械化研究所，南京市，210014

摘要：蚕豆荚检测是蚕豆自动化采摘的前提与基础，因此，实现蚕豆荚的快速、准确识别与定位十分关键。基于此，提出一种基于深度学习的蚕豆荚检测方法YOLO-B。为增大整体网络的感受野，获取目标丰富的上下文信息从而提高检测精度，提出SPPX模块。由于蚕豆荚特征较为相似，为消除冗余特征，提出GhostPAN特征融合模块。经过对比试验分析，相比于其他YOLOv7、YOLOv5与YOLOv4，YOLO-B参数量（29092M）和计算量（95.466G）最低，mAP（92.58%）最高，分别提升1.33%、2.75%与3.74%。在蚕豆荚特征差异较小、生长姿态差异较大的场景下，均能实现准确检测。

关键词：蚕豆荚,目标检测,深度学习,YOLO

基金资助：江苏省农业科技自主创新资金项目（CX（21）3145）