基于改进YOLOv3的复杂环境下西红柿成熟果实快速识别

来源：中国农机化学报杂志2023年第8期北京时间：

作者：高芳征, 汤文俊, 陈光明, 黄家才

单位：1. 南京工程学院自动化学院，南京市，211167； 2. 南京农业大学，南京市，210031；3. 江苏省智能化农业装备重点实验室，南京市，210031

摘要：针对西红柿成熟果实快速识别问题，采集并标注西红柿成熟果实的图像数据集，用于深度神经网络模型的训练，并基于实际应用对经典的YOLOv3目标检测算法进行模型轻量化改进，使其方便地部署到采摘机器人的嵌入式控制器上，同时对激活函数、锚框的聚类、非极大值抑制和损失函数等进行优化，提高算法运行的效率和稳定性。经测试集的验证，所提出的改进型YOLOv3目标检测算法在包括不同密集程度、不同光照条件和不同遮挡程度情况的复杂环境下最终检测精度为92.11%，召回率为86.21%，F1得分为89%，mAP为84.58%，即试验结果证明所提方法的可行性、准确性和鲁棒性。

关键词：西红柿,复杂环境,深度神经网络,YOLOv3目标检测,果实识别

基金资助：国家自然科学基金面上项目(61873120)；江苏省重点研发计划课题(BE2021016—5)；江苏省自然科学基金面上项目(BK20201469)；江苏省高等学校自然科学研究重大项目(20KJA5100070)