基于优选YOLOv7模型的采摘机器人多姿态火龙果检测系统.pdfVIP

第 39 卷 第 8 期 农 业 工 程 学 报 Vol.39 No.8 276 2023 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2023 ·研究速报· 基于优选 YOLOv7 模型的采摘机器人多姿态火龙果检测系统 王金鹏，周佳良，张跃跃，胡皓若 （南京林业大学机械电子工程学院，南京 210000 ） 摘 要：为了检测复杂自然环境下多种生长姿态的火龙果，该研究基于优选 YOLOv7 模型提出一种多姿态火龙果检测方 法，构建了能区分不同姿态火龙果的视觉系统。首先比较了不同模型的检测效果，并给出不同设备的建议模型。经测试， YOLOv7 系列模型优于 YOLOv4 、YOLOv5 和 YOLOX 的同量级模型。适用于移动设备的YOLOv7-tiny 模型的检测准确 率为 83.6%，召回率为79.9% ，平均精度均值（mean average precision ，mAP ）为88.3%，正视角和侧视角火龙果的分类 准确率为 80.4%，推理一张图像仅需 1.8 ms，与YOLOv3-tiny 、YOLOv4-tiny 和 YOLOX-tiny 相比准确率分别提高了 16.8、 4.3 和 4.8 个百分点，mAP 分别提高了 7.3、21 和 3.9 个百分点，与 EfficientDet 、SSD、Faster-RCNN 和 CenterNet 相比 mAP 分别提高了 8.2、5.8、4.0 和 42.4 个百分点。然后，该研究对不同光照条件下的火龙果进行检测，结果表明在强光、 弱光、人工补光条件下均保持着较高的精度。最后将基于 YOLOv7-tiny 的火龙果检测模型部署到Jetson Xavier NX 上并 针对正视角火龙果进行了验证性采摘试验，结果表明检测系统的推理分类时间占完整采摘动作总时间的比例约为 22.6% ， 正视角火龙果采摘成功率为 90%，验证了基于优选YOLOv7 的火龙果多姿态检测系统的性能。 关键词：深度学习；卷积神经网络；采摘机器人；YOLOv7 ；目标检测；火龙果 doi ：10.11975/j.issn.1002-6819. 202208031 中图分类号：TP301.6 ；TP181 ；S24 文献标志码：A 文章编号：1002-6819(2023)-08-0276-08 王金鹏，周佳良，张跃跃，等. 基于优选 YOLOv7 模型的采摘机器人多姿态火龙果检测系统[J]. 农业工程学报，2023， 39(8)：276-283. doi ：10.11975/j.issn.1002-6819. 202208031 WANG Jinpeng, ZHOU Jialiang, ZHANG Yueyue, et al. Multi-pose dragon fruit detection system for picking robots based on the optimal YOLOv7 model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(8): 276-283. (in Chinese with English abstract) doi ：