近日，机械与电子工程学院苑进教授团队在《Computers and Electronics in Agriculture》在线发表了题为“A novel lightweight model HGCA-YOLO: Application to recognition of invisible spears for white asparagus robotic harvesting”的研究论文。博士研究生张萍为该论文的第一作者，苑进教授为该论文的通讯作者。
芦笋富含营养且具有抗癌保健功效，被誉为“蔬菜之王”，目前国际上白芦笋采收仍以人工作业为主，是一项高度重复和密集型的任务。白芦笋是我国出口额最大的单一蔬菜品种，攻克白芦笋采收技术瓶颈，实现自动化采收对芦笋，对提高芦笋产业的国际竞争力意义重大，准确地检测笋芽是实现机械化选择性采收的首要问题。
在解决了垄面笋芽识别的基础上，为了进一步解决因采收不及时笋尖变紫、品质下降的问题，针对垄面下笋尖顶土出现的土壤裂缝，研究团队提出了一种轻量级的不可见笋芽（裂缝形态）识别模型。建立了田间环境下不可见笋芽图像数据集，并通过模拟田间作业场景进行图像增强变换；采用超参数进化方法确定基线网络；在基线网络中基于提取的笋芽特征图引入线性分组变换和坐标注意力机制，降低模型的复杂性，提高对目标位置的敏感性；将测试时间增强方法引入到网络推理中，以增强变化环境中目标识别的鲁棒性。采用消融试验和对比试验分析了模型的性能，为其他与裂缝检测有关的研究提供理论支持。
图2.检测的图像和热图
该研究构建了选择性采收机器人平台，并进行了田间采收试验，试验结果验证了视觉系统在白芦笋选择性收获机器人中的有效性和可行性，突破了笋芽高速采收的瓶颈问题，为开发出智能化的选择性白芦笋采收机器人提供相关的技术支持。
图3.白芦笋采收试验
图4.不同田间作业条件下的笋芽检测
该研究得到了国家自然科学基金和山东省棉花产业技术体系的资助。
论文链接：https://doi.org/10.1016/j.compag.2024.108852
编 辑：万 千
审 核：贾 波
