近日，机械与电子工程学院智能畜牧产业装备与机器人团队在期刊《Computers and Electronics in Agriculture》在线发表了题为“SSOD-MViT: A novel model for recognizing alfalfa seed pod maturity based on semi-supervised learning”的最新研究成果。山东农业大学为完成该论文的第一单位，田富洋教授为该论文的第一作者，宋占华教授和于镇伟副教授为该论文的共同通讯作者。
准确识别苜蓿种荚簇的成熟度，能够确定最佳的收获时间，实现适时收获，提高苜蓿种子的产量和质量，为畜牧业提供优质高产的饲料来源，促进牧草业的发展。然而，苜蓿生长的复杂背景使种荚的外观特征发生变化，增加了识别的难度；苜蓿种荚的成熟阶段（如青熟期、、黄熟期、、完熟期）缺乏统一的量化标准，不同研究或实践中依赖主观经验判断，导致模型训练数据不一致，影响识别精度。
针对以上技术难题，团队提出了一种基于无人机和半监督深度学习模型SSOD-MViT的苜蓿种荚簇成熟度识别方法（图1）。该模型采用改进的轻量级通用视觉转换器MobileViT作为骨干，在颈部网络中增加一个小目标检测层，在推理过程中融合SAHI算法，提高小尺寸苜蓿种荚簇的检测精度，增强模型的抗干扰能力。试验结果表明，SSOD-MViT的mAP@0.5达到92.23%，平均检测时间为82.34 ms。该研究成果可以有效改善现有模型在大田复杂环境下苜蓿种荚簇成熟度的检测效果，为苜蓿种子生产行业生产效率的提高和生产成本的降低提供技术支持。
图1. 苜蓿种荚簇成熟度识别方法
该研究得到了“十四五”国家重点研发计划课题的资助。
论文链接：https://doi.org/10.1016/j.compag.2025.110439
编 辑：万 千
审 核：贾 波
