树上柑橘识别及缺陷果检测方法研究.pdf

摘要

柑橘作为我国主要的经济作物和出口水果之一，种植范围广、销量大，具有重要

的经济价值和社会意义。在柑橘的整个生产过程中，多个环节都需要耗费大量人力且

效率不高。近几年，越来越多的柑橘采摘机械进入了人们的视野，以求实现柑橘生产

过程中的机械化、自动化、智能化，节约人工成本。为助力柑橘产业发展，推进柑橘

产业机械化、自动化和智能化进程，本文开展了树上柑橘识别及缺陷果检测方法研究，

主要研究工作如下：

（1）建立柑橘数据集。为了满足研究需求，建立了自然环境下树上柑橘识别数据

集和缺陷果检测数据集，为柑橘识别和缺陷果检测提供样本支持。首先，整理了包括

从绿色未成熟柑橘到橙色成熟柑橘的完整生长过程的图像，并利用标注工具进行人工

标注，制作了柑橘识别数据集。其次，针对成熟柑橘阶段缺陷果进行采集，并在数据

集制作阶段利用了SAM（SegmentAnythingModel）分割模型，半自动化制作了实验

所需缺陷果检测数据集，有效节省了数据集制作时间，为数据集制作工作提供了一种

新思路。

（2）树上柑橘果实识别研究。根据当前在柑橘识别任务中发现的问题，对YOLOv5

模型进行改进：针对目标检测模型在柑橘识别任务中受复杂背景、果实遮挡影响的问

题，引入BiFormer注意力机制模块，以捕捉更多目标特征；针对果实密集、小目标

柑橘难以识别问题，添加小目标检测层，以减少小目标漏检情况。实验表明，改进模

型在柑橘数据集上取得了87%的mAP，相较于原算法提高了2个百分点。

（3）树上柑橘缺陷果检测研究。为实现对树上柑橘缺陷果的检测，提出一种联合

SAM（SegmentAnythingModel）与VGG16模型的检测方法。利用SAM强大的零样本

分割能力，将分割后的图像输入到分类模型中进行分类，将检测任务转变成对数据量

需求小、训练难度低的分类任务。在经典的分类模型中选取了相对简单且易于训练并

具有良好分类性能的VGG16模型。实验结果表明，该方法不需要大量的训练也能够准

确的识别出自然环境下的树上柑橘缺陷果，mAP达到88.2%，能够满足缺陷果检测任

务的应用要求。

关键词：农业机械化柑橘识别缺陷果检测深度学习YOLOv5

I

Abstract

Oranges,asoneofChinasmaineconomiccropsandexportfruits,hasawideplanting

rangeandlargesalesvolume,holdingsignificanteconomicvalueandsocialimportance.

Throughouttheentireproductionprocessoforanges,multiplestagesrequireasubstantial

amountofmanuallaborandareinefficient.Inrecentyears,anincreasingnumberoforanges

harvestingmachineryhascomeintoview,aimingtoachievemechanization,automation,and

intelligenceintheorangesproductionprocess,therebysavinglaborcosts.Tosupportthe

developmentoftheorangesindustryandadvancethemechanization,automation,and

intelligenceoforangesproduction,thispaperconductsresearchonmethodsforon-tree

orangesidentificationanddiseasedfruitdetection.Themainresearchworkisasfollows:

(1)Establishmento