基于YOLOX-L-TN 模型的番茄果實(shí)識別

李名博　劉玉樂　穆志民　郭俊旺　衛(wèi)勇　任東悅　賈濟(jì)深　衛(wèi)澤中　栗宇紅

摘要：針對植物工廠對番茄采摘作業(yè)的智能化需求，為克服在采摘作業(yè)過程中因番茄果實(shí)大小不一、遮擋重疊造成的識別精度不高和速度不快的問題，提出了YOLOX-L的改進(jìn)型目標(biāo)識別模型YOLOX-L-TN。該模型依據(jù)特征圖的通道和空間注意力機(jī)制的內(nèi)部結(jié)構(gòu)和原理，設(shè)計(jì)了含有殘差結(jié)構(gòu)的TN模塊，并融入到Y(jié)OLOX-L的主干網(wǎng)絡(luò)中，在保持網(wǎng)絡(luò)輕量化的同時(shí)，實(shí)現(xiàn)模型識別速度和精度的同時(shí)提升。與YOLOX-L相比，YOLOXL-TN的AP值提高了4.81個(gè)百分點(diǎn)，單張圖像的識別時(shí)間提升了0.141 7 s，TN模塊的最佳位置為輸入端與主干網(wǎng)絡(luò)之間。進(jìn)一步將TN模塊與類似模塊SENet、CAM、CBAM和CAM進(jìn)行對比，AP值分別提高0.53、4.19、6.12、6.34 個(gè)百分點(diǎn)，單張圖像識別時(shí)間分別提升0.019 1、0.025 0、0.021 1、0.018 9 s。由此可見，提出的YOLOX-L-TN模型具有精度高、識別速度快、魯棒性高等優(yōu)點(diǎn)，可為番茄后期的智能采摘提供技術(shù)支持。

關(guān)鍵詞：番茄識別；注意力機(jī)制；TN模塊；YOLOX-L

doi：10.13304/j.nykjdb.2023.0570

中圖分類號：S225 文獻(xiàn)標(biāo)志碼：A 文章編號：10080864（2024）04009709

番茄作為重要的蔬菜被廣泛種植，全球每年的總產(chǎn)量達(dá)1.7億t，在蔬菜作物中常居于首位，我國是番茄生產(chǎn)大國，新鮮番茄的產(chǎn)量穩(wěn)居世界首位，加工番茄的產(chǎn)量位于世界前列[1]。近年來，植物工廠為作物提供了精心設(shè)計(jì)的種植環(huán)境，隨著植物工廠種植模式的探索和發(fā)展，番茄實(shí)現(xiàn)高效生產(chǎn)，先進(jìn)的種植技術(shù)和高度規(guī)范智能化的管理模式確?！盁o激素”和“零催熟”，極大提升了番茄的產(chǎn)量和品質(zhì)[2]。在番茄生產(chǎn)和銷售的整條產(chǎn)業(yè)鏈中，采摘環(huán)節(jié)仍以人工為主，工作效率低且用工成本高。智能采摘機(jī)器人作為一種新型采摘方式應(yīng)運(yùn)而生，如Kondo等[3]研發(fā)的SCARA 機(jī)械臂番茄采摘機(jī)器人，Xie等[4]基于深度相機(jī)與SLAM導(dǎo)航技術(shù)研發(fā)的具有自主規(guī)劃路徑的采摘機(jī)器人。在植物工廠中，采摘機(jī)器人可以通過圖像識別等先進(jìn)技術(shù)實(shí)現(xiàn)自動識別和自動采摘，大大提高番茄采摘的效率[5]。但是現(xiàn)有番茄采摘機(jī)器人的識別率和采摘率容易受光照及環(huán)境因素的影響，限制了其在植物工廠中的廣泛應(yīng)用。為了提高番茄采摘機(jī)器人在植物工廠中的應(yīng)用效果，需要對番茄的目標(biāo)識別算法、圖像處理技術(shù)等進(jìn)行改進(jìn)，從而實(shí)現(xiàn)更加快速、準(zhǔn)確的識別。

隨著計(jì)算機(jī)科學(xué)的進(jìn)步，在目標(biāo)識別效率和準(zhǔn)確性方面擁有巨大優(yōu)勢的深度學(xué)習(xí)技術(shù)已經(jīng)被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)中，主要包括病蟲害識別、果實(shí)修剪點(diǎn)以及果實(shí)識別等[6]?；谏疃葘W(xué)習(xí)的目標(biāo)識別算法主要分為2種：一種是一階段目標(biāo)識別方法，不產(chǎn)生候選框，將目標(biāo)邊框定位的問題轉(zhuǎn)化為回歸問題處理，直接對預(yù)測的目標(biāo)物體進(jìn)行回歸[7]，識別速度快，代表算法包括YOLO（youonly look once）、SSD（single shot multibox detector）等；另一種是兩階段目標(biāo)識別方法，生成候選框，通過對候選區(qū)域的分類進(jìn)行識別，代表算法包括Faster R-CNN（convolutional neural networks）、Mask R-CNN等。張境鋒等[8]提出一種Des-YOLO網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)了適宜采摘的蘋果目標(biāo)識別。張俊寧等[9]利用卷積注意力模塊改進(jìn)YOLOv5s的骨干網(wǎng)絡(luò)，番茄識別準(zhǔn)確率提升了1.5個(gè)百分點(diǎn)。Zeng等[10]利用MobileNetv3的bneck模塊對YOLOv5的主干網(wǎng)絡(luò)進(jìn)行重建，番茄識別精度提升了0.7個(gè)百分點(diǎn)。Qi 等[11]在YOLOv5 的主干網(wǎng)絡(luò)中添加SE注意力機(jī)制模塊，番茄病毒的識別準(zhǔn)確率提升了1.78個(gè)百分點(diǎn)。張立杰等[12]使用深度可分離卷積模塊替換原SSD網(wǎng)絡(luò)主干特征提取網(wǎng)絡(luò)中部分標(biāo)準(zhǔn)卷積，蘋果識別準(zhǔn)確率比Faster R-CNN提升了1.33 個(gè)百分點(diǎn)。毛銳等[13] 構(gòu)建了一種改進(jìn)的Faster-RCNN 的小麥病害識別方法，識別精度提升了14.97個(gè)百分點(diǎn)。梁喜鳳等[14]將Mask R-CNN主干網(wǎng)絡(luò)替換為MobileNetv3-Large，番茄側(cè)枝修剪點(diǎn)的識別率提升了3.3個(gè)百分點(diǎn)。

針對番茄果實(shí)目標(biāo)的識別問題，許多學(xué)者也進(jìn)行了相關(guān)研究。Liu 等[15] 在YOLOv3 中加入DCCN（distributed CNN）結(jié)構(gòu)，并采用圓形邊界框代替矩形框?qū)Ψ堰M(jìn)行識別，這種方法對偏圓形、個(gè)頭大一些的番茄識別效果比較好，并不適用于一般形狀個(gè)頭小的番茄。龍潔花等[16]利用跨階段局部網(wǎng)絡(luò)對Mask R-CNN 進(jìn)行改進(jìn)，提升了番茄的識別率，但當(dāng)光照較弱、遮擋嚴(yán)重時(shí)準(zhǔn)確率會下降。Afonso 等[17]用Mask R-CNN 模型對沒有遮擋的番茄果實(shí)進(jìn)行識別，盡管試驗(yàn)效果比較好，但沒有考慮果實(shí)遮擋和重疊等因素。目前的識別算法并沒有充分考慮番茄大小、光照條件、存在遮擋和重疊等情況，而植物工廠中番茄果實(shí)大小不一、生長稀疏程度分布不同，而且葉片、果柄和枝干等對果實(shí)存在遮擋現(xiàn)象，上述識別方法對于植物工廠中的番茄并不適用?，F(xiàn)階段已在其他作物上針對遮擋開展大量研究，但由于先前技術(shù)的限制，對作物遮擋特征的提取不夠充分，識別效果不是很好，存在漏檢、重檢、錯(cuò)檢等現(xiàn)象，但對于采摘任務(wù)而言，存在遮擋現(xiàn)象的果實(shí)要求較高的識別準(zhǔn)確率。對比一階段和兩階段目標(biāo)識別方法，兩階段識別方法先生成候選框，再進(jìn)行分類進(jìn)行識別，雖然可以提高識別精度，但模型的識別速度受到限制，為進(jìn)一步提高工作效率，更加適合采用一階段識別方法。YOLOX-L作為一階段識別方法中的經(jīng)典模型，主干網(wǎng)絡(luò)（CSPDarknet）中加入Focus和Spp結(jié)構(gòu)，在原始信息丟失較少的情況下提高識別速度。

針對以上問題，本文選擇YOLOX-L作為基礎(chǔ)模型，設(shè)計(jì)了一種含有殘差網(wǎng)絡(luò)結(jié)構(gòu)的TN模塊，可以更多地保留圖像的原始信息，更加充分地提取遮擋的番茄信息。將TN模塊融合到Y(jié)OLOX-L模型當(dāng)中，分析了TN模塊融合在模型的不同位置對識別性能的影響，并與SENet、CAM、CBAM 和CAM 模塊訓(xùn)練結(jié)果進(jìn)行對比，充分驗(yàn)證了YOLOX-L-TN模型的優(yōu)越性，實(shí)現(xiàn)了番茄果實(shí)識別精度和速度的同時(shí)提升，為番茄的智能采摘提供技術(shù)支持。

1 材料與方法

1.1 數(shù)據(jù)集

本研究的數(shù)據(jù)集來源于PlantVillage 公共數(shù)據(jù)集[18]，該數(shù)據(jù)集中包含895幅不同時(shí)間段、遮擋度不同的番茄RGB 圖像，通過數(shù)據(jù)擴(kuò)充獲得3 580幅番茄圖像，按照8∶1∶1的比例進(jìn)行劃分，隨機(jī)選擇2 864幅圖像作為訓(xùn)練集，358幅圖像作為驗(yàn)證集，358 幅圖像作為測試集。使用Matlab的Image Labeler軟件對番茄數(shù)據(jù)集進(jìn)行標(biāo)注，標(biāo)注文件的存儲格式為mat，在Matlab 命令行窗口通過load命令加載mat文件，工作區(qū)出現(xiàn)標(biāo)注信息的變量，對應(yīng)895×2 的table，table 的第一列為imageFilename，即標(biāo)注圖像所在位置的絕對路徑，第二列為n×4 double，其中n 代表每幅圖像中番茄的個(gè)數(shù)，4代表定義標(biāo)注框所需的4個(gè)參數(shù)，即標(biāo)注框左上角的橫、縱坐標(biāo)以及框的寬度和高度。

由于原始數(shù)據(jù)集數(shù)量較少，為了增加訓(xùn)練樣本的數(shù)量和多樣性、減少模型的訓(xùn)練時(shí)間、提高模型的魯棒性和泛化能力，采用數(shù)據(jù)增強(qiáng)的方式對數(shù)據(jù)集進(jìn)行擴(kuò)充。利用Matlab的深度學(xué)習(xí)工具箱對圖像對比度變換（Contrast）、色調(diào)變換（Hue）、飽和度變換（Saturation）、亮度變換（Brightness）、噪聲擾動（Noise）、翻轉(zhuǎn)變換（Flip）、尺度變換（Scale）等隨機(jī)混合增強(qiáng)。增強(qiáng)圖像的同時(shí)，標(biāo)注信息也進(jìn)行相應(yīng)的變換，大大提高了圖像標(biāo)注工作的效率。對數(shù)據(jù)集圖像進(jìn)行翻轉(zhuǎn)變換及尺度變換，增強(qiáng)圖像的多樣性。選擇合適的對比度、色調(diào)、飽和度、亮度變化范圍，模擬不同光照下番茄的生長情況，最后添加噪聲擾動，提高模型的抗干擾能力[19]。

1.2 改進(jìn)型YOLOX-L 模型

1.2.1 YOLOX-L 模型

為了滿足番茄目標(biāo)識別的實(shí)時(shí)性和準(zhǔn)確性，本文選擇YOLOX-L作為番茄識別模型，主要分為主干網(wǎng)絡(luò)（Backbone）、頸部網(wǎng)絡(luò)（Neck）和預(yù)測端（Prediction），主干網(wǎng)絡(luò)負(fù)責(zé)特征提取，頸部網(wǎng)絡(luò)負(fù)責(zé)聚合提取的特征，預(yù)測端負(fù)責(zé)進(jìn)行預(yù)測[20]。

1.2.2 TN模塊

基于主流注意力機(jī)制模塊的內(nèi)部結(jié)構(gòu)和原理，本文設(shè)計(jì)了含有殘差結(jié)構(gòu)的TN模塊，如圖1所示，對通道間傳遞的信息進(jìn)行重點(diǎn)關(guān)注，提升模型識別精度和速度。TN模塊采用基于寬度和高度的平均池化和最大池化操作，學(xué)習(xí)各個(gè)通道間的依賴關(guān)系并進(jìn)行疊加操作，經(jīng)過Sigmoid層，獲得各個(gè)通道的權(quán)重，并與輸入特征圖做乘法操作，然后進(jìn)行基于寬度和高度的平均池化和最大池化，再進(jìn)行Concat 操作、卷積和Sigmoid激活操作，獲得各個(gè)通道的權(quán)重，最后與輸入特征圖做乘法操作，得到最終的特征。

1.2.3 YOLOX-L-TN 模型及對比模型設(shè)計(jì)

YOLOX-L-TN模型將TN模塊融合到Y(jié)OLOX-L的主干網(wǎng)絡(luò)中，如圖2所示。輸入圖像在經(jīng)過TN模塊的過程中沒有進(jìn)行急劇地降維操作和丟失太多的特征信息[21]，重點(diǎn)關(guān)注通道信息的傳遞，從而實(shí)現(xiàn)模型識別速度和精度的同步提升。

為了研究TN模塊在YOLOX-L模型中的作用和效果，本文將TN模塊添加在YOLOX-L模型的不同位置：主干網(wǎng)絡(luò)與頸部網(wǎng)絡(luò)連接的3個(gè)通道、Spp模塊、頸部網(wǎng)絡(luò)2個(gè)Upsample模塊與Concat模塊之間，分別表示為YOLOX-L-Connect、YOLOX-L-Spp、YOLOX-L-Upsample，將它們與YOLOX-L 及YOLOX-L-TN進(jìn)行對比。同時(shí)，為了對比TN模塊與其他主流相似模塊的作用效果，將YOLOX-LTN模型中的TN模塊替換為SENet模塊、CAM模塊、SAM模塊、CBAM模塊進(jìn)行對比試驗(yàn)，分別表示為YOLOX-L-SENet、YOLOX-L-CAM、YOLOXL-SAM、YOLOX-L-CBAM模型。

1.2.4 特征提取

由于本文識別對象小而密集，因此采用更深層次的CSPDarknet53結(jié)構(gòu)提取特征[22]。CSPDarknet53 結(jié)構(gòu)是CSPDenseNet 與Darknet53 的組合，將CSPDenseNet融合到Darknet53結(jié)構(gòu)當(dāng)中，組成CSPDarknet53結(jié)構(gòu)[23]。Darknet53分為4個(gè)部分，分別包含3、9、9和3個(gè)殘差塊，并且將SPP結(jié)構(gòu)放在第4 個(gè)殘差塊內(nèi)部，輸入層通過CSPDarknet53的前3個(gè)部分之后，分別通過池化核為5×5，9×9，13×13的最大池化層，然后在通道方向進(jìn)行拼接（Concat），再通過CSPDarknet53的第4部分，在一定程度上可以解決目標(biāo)多尺度的問題，同時(shí)增加了特征提取網(wǎng)絡(luò)的深度，提高目標(biāo)識別的準(zhǔn)確率[24]。

1.2.5 特征融合

為了更好地融合主干網(wǎng)絡(luò)提取的特征，頸部網(wǎng)絡(luò)采用的是FPN+PAN結(jié)構(gòu)，F(xiàn)PN結(jié)構(gòu)是自上而下的金字塔結(jié)構(gòu)，增強(qiáng)語義信息，而PAN結(jié)構(gòu)是自下而上的金字塔結(jié)構(gòu)，對FPN結(jié)構(gòu)進(jìn)行定位信息的補(bǔ)充，能夠使不同尺寸的特征圖都包含圖像語義信息和定位信息，保證了對不同尺寸的圖像的準(zhǔn)確預(yù)測[25]。

1.2.6 結(jié)果預(yù)測

網(wǎng)絡(luò)模型的Prediction 部分用于圖像結(jié)果的預(yù)測，將特征圖分解為3個(gè)部分，分別為回歸參數(shù)（Reg）、物體存在性（Obj）以及物體類別（Cls）。其中，Reg為確定目標(biāo)物體的邊界框參數(shù)，包括中心點(diǎn)的橫縱坐標(biāo)及寬度、高度尺寸；Obj用于判斷特征點(diǎn)是否屬于目標(biāo)物體，結(jié)果只有2種，Obj等于1（包含物體）以及Obj等于0（不包含物體）；Cls用于確定目標(biāo)物體的類別，對于每個(gè)特征點(diǎn)，都會預(yù)測出物體類別的概率分布。對于每個(gè)特征點(diǎn)來說，如果被判斷Obj等于1，那么根據(jù)回歸參數(shù)就會計(jì)算出該物體的邊界框，并根據(jù)物體類別的概率分布確定該物體的類別，這些結(jié)果和原始圖像一起輸出，作為模型的預(yù)測結(jié)果[26]。

1.3 環(huán)境配置

算法運(yùn)行環(huán)境的硬件平臺采用的處理器型號為Intel（R） Xeon（R）CPU E5-2650v4，顯卡型號為NVIDIA GeForce RTX 2080Ti，內(nèi)存為DDR464GB。軟件平臺采用Windows10 操作系統(tǒng)下的Matlab R2022b，在此基礎(chǔ)上安裝了ComputerVision Toolbox、Deep Learning Toolbox、GPUCoder、Matlab Coder Interface for Deep LearningLibraries等深度學(xué)習(xí)運(yùn)算構(gòu)架。

YOLOX-L-TN模型訓(xùn)練的輪數(shù)設(shè)置為80，每輪訓(xùn)練的batch size設(shè)置為4，學(xué)習(xí)率設(shè)置為0.000 1，懲罰閾值（penaltyThreshold）設(shè)置為0.5[27]。

1.4 評價(jià)指標(biāo)

本文主要采用準(zhǔn)確率（precision rate，P）、召回率（recall rate，R）、F1得分、AP值（average precision）、識別速度和模型大小作為指標(biāo)評價(jià)模型性能。準(zhǔn)確率代表預(yù)測為正的樣本中有多少為真正的正樣本；召回率代表所有正樣本中有多少被預(yù)測為正樣本；F1代表準(zhǔn)確率和召回率的加權(quán)調(diào)和平均，對準(zhǔn)確率和召回率進(jìn)行綜合考慮[28]； AP代表PR曲線與坐標(biāo)軸所圍繞圖形的面積[29]，AP值越高，說明模型的結(jié)果越準(zhǔn)確。

式中，TP（true positive）代表正樣本預(yù)測為正樣本，F(xiàn)P（false positive）代表負(fù)樣本預(yù)測為正樣本，F(xiàn)N（false negative）代表正樣本預(yù)測為負(fù)樣本，TN（true negative）代表負(fù)樣本預(yù)測為負(fù)樣本。

2 結(jié)果與分析

2.1 模型訓(xùn)練結(jié)果分析

模型的訓(xùn)練結(jié)果如圖3所示?？梢钥闯觯谀Ｐ陀?xùn)練的前1 200次迭代的過程中，損失函數(shù)迅速減少，模型快速擬合，同時(shí)，學(xué)習(xí)率迅速上升，在經(jīng)過2 500次迭代后，損失函數(shù)基本穩(wěn)定，整個(gè)模型趨于收斂。

2.2 YOLOX-L-TN 目標(biāo)識別模型效果評價(jià)

2.2.1 模型性能評價(jià)

由圖4 可知，相較于YOLOX-L模型，YOLOX-L-Spp、YOLOX-L-Upsample、YOLOX-L-TN 識別效果均有提升，但YOLOX-LTN提升的最為明顯。從表1可以看出，與改進(jìn)前的YOLOX-L模型相比，YOLOX-L-TN的AP值增加了4.81個(gè)百分點(diǎn)，預(yù)加載模型下圖像識別速度提升了0.141 7 s，F(xiàn)1得分提高0.025 6，模型大小幾乎相同。與YOLOX-L-Upsample、YOLOX-L-Spp、YOLOX-LConnect進(jìn)行比較，YOLOX-L-TN的AP值分別增加了3.33、4.34、5.25個(gè)百分點(diǎn)，預(yù)加載模型下圖像識別速度分別提升了0.127 9、0.117 9、0.203 3 s，模型減少了51.03、213.73、217.65 Mb，F(xiàn)1得分均高于其他模型。由識別結(jié)果可知，YOLOX-L-TN模型中的TN模塊的位置為最佳位置。

2.2.2 基于TN 模塊不同位置的識別效果比較

為了更直觀地體現(xiàn)TN模塊在YOLOX-L模型不同位置的作用效果，將YOLOX-L-TN 與YOLOX-LUpsample、YOLOX-L-Spp、YOLOX-L、YOLOX-L-Connect在番茄果實(shí)圖像中的識別效果進(jìn)行比較，結(jié)果如圖5所示?？梢钥闯觯琘OLOX-L模型對番茄果實(shí)的識別精度比較高，但是在枝干遮擋番茄果實(shí)的情況下存在漏檢的現(xiàn)象；YOLOX-LUpsample沒有出現(xiàn)漏檢的現(xiàn)象，但存在重檢的現(xiàn)象；YOLOX-L-Spp 存在漏檢的現(xiàn)象；YOLOX-LConnect漏檢的現(xiàn)象比較嚴(yán)重，對番茄的特征提取能力較差；YOLOX-L-TN對番茄果實(shí)的識別精度有所提升，即使存在被遮擋番茄果實(shí)，也可識別到，魯棒性高。

2.3 基于不同注意力模塊的YOLOX-L 識別模型效果比較

2.3.1 模型性能比較

從圖6可以看出，YOLOXL-TN的識別優(yōu)勢明顯。不同模型的訓(xùn)練結(jié)果如表2所示，可以看出，與YOLOX-L-SENet、YOLOX-LCAM、YOLOX-L-CBAM、YOLOX-L-SAM 相比，YOLOX-L-TN 的AP 值分別增加了0.53、4.19、6.12、6.34個(gè)百分點(diǎn)，預(yù)加載模型下圖像識別速度分別提升了0.019 1、0.025 0、0.021 1、0.018 9 s，F(xiàn)1得分均高于其他模型。由識別結(jié)果可知，與其他模型相比，盡管可學(xué)習(xí)參數(shù)總數(shù)和模型大小幾乎相同，但TN模塊的性能效果最佳。

2.3.2 基于不同模塊的YOLOX-L 識別效果比較

為了更直觀地體現(xiàn)TN模塊與其他模塊的作用效果，將YOLOX-L-TN 與YOLOX-L-SENet、YOLOX-L-CAM、YOLOX-L-CBAM、YOLOX-LSAM在番茄果實(shí)圖像中的識別效果進(jìn)行比較，結(jié)果如圖7所示。可以看出，與YOLOX-L-TN 識別效果進(jìn)行對比，其他模型均有漏檢或者錯(cuò)檢的現(xiàn)象。YOLOX-L-SENet和YOLOX-L-CAM在番茄被遮擋的情況下出現(xiàn)單個(gè)番茄漏檢現(xiàn)象；YOLOX-LCBAM出現(xiàn)2個(gè)番茄漏檢的現(xiàn)象；YOLOX-L-SAM由于對番茄特征提取不夠充分，除了漏檢現(xiàn)象，還存在錯(cuò)檢的現(xiàn)象。相比之下，YOLOX-L-TN不存在番茄漏檢或錯(cuò)檢的現(xiàn)象，識別效果最佳，魯棒性高。

3 討論

本文提出了YOLOX-L的改進(jìn)型目標(biāo)識別模型YOLOX-L-TN，與Liu等[15]的改進(jìn)型YOLOv3模型和龍潔花等[16]的改進(jìn)型Mask R-CNN模型相比，AP 值提升了10.92、1.24 個(gè)百分點(diǎn)。與SENet、CAM、CBAM 和CAM 進(jìn)行對比試驗(yàn)，本文提出的模型在識別精度和速度方面均優(yōu)于其他類似模型，其主要原因?yàn)椋篢N模塊位于輸入端與主干網(wǎng)絡(luò)之間，重點(diǎn)關(guān)注通道間傳遞的信息，能夠更多地保留圖像的原始信息，可以更充分地提取遮擋番茄信息，進(jìn)一步提高模型的識別精度和速度；FPN增強(qiáng)了整個(gè)金字塔結(jié)構(gòu)的語義信息，定位信息并沒有增強(qiáng)，而PAN對FPN進(jìn)行定位信息的補(bǔ)充[30]；PAN 借鑒的是PANet 網(wǎng)絡(luò)，PANet 網(wǎng)絡(luò)中特征圖結(jié)合采用Add操作，而PAN采用Concat操作，Add將提取到的語義信息進(jìn)行疊加，保留圖像的正確高激活，避免在處理過程中對正確激活的削弱，而Concat增加了圖像的特征數(shù)，實(shí)現(xiàn)了多尺度特征的融合。

然而，由于數(shù)據(jù)集質(zhì)量和數(shù)量的原因，盡管YOLOX-L-TN模型提升了AP值，但是還有提升的空間，在之后的工作中，將對數(shù)據(jù)集進(jìn)行進(jìn)一步的優(yōu)化和擴(kuò)充，并對模型進(jìn)行精簡和優(yōu)化，使其能盡快應(yīng)用到智能采摘機(jī)器人當(dāng)中?？傮w來說，本文提出的YOLOX-L-TN 模型的性能優(yōu)于其他類模型，可為后期提高番茄果實(shí)的智能采摘的效率提供一定的技術(shù)支持。

參考文獻(xiàn)

［1］ 李君明，項(xiàng)朝陽，王孝宣，等“. 十三五”我國番茄產(chǎn)業(yè)現(xiàn)狀及展望[J].中國蔬菜，2021（2）：13-20.

LI J M， XIANG Z Y， WANG X X， et al .. Current situation andprospect of tomato industry in China during the 13th Five-YearPlan [J]. Chin. Veg.， 2021（2）：13-20.

［2］ 劉繼展. 溫室采摘機(jī)器人技術(shù)研究進(jìn)展分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017.48（12）：1-18.

LIU J Z. Research progress analysis of robotic harvestingtechnologies in greenhouse [J]. Trans. Chin. Soc. Agric. Mach.，2017，48（12）：1-18.

［3］ KONDO N， YATA K， IIDA M， et al . Development of an endeffectorfor a tomato cluster harvesting robot [J]. Eng. Agric.Environ. Food.， 2010，3（1）：20-24.

［4］ XIE H， KONG D， SHAN J， et al .. Study the parametric effect ofpulling pattern on cherry tomato harvesting using RSM-BBDtechniques [J/OL]. Agriculture， 2021，11（9）：815 [2024-02-24].https：//doi.org/10.3390/agriculture11090815.

［5］ 李寒，陶涵虓，崔立昊，等.基于SOM-K-means算法的番茄果實(shí)識別與定位方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2021，52（1）：23-29.

LI H， TAO H X， CUI L H， et al .. Tomato fruit recognition andlocation method based on SOM-K-means algorithm [J]. Trans.Chin. Soc. Agric. Mach.， 2021，52（1）：23-29.

［6］ 王海楠，弋景剛，張秀花.番茄采摘機(jī)器人識別與定位技術(shù)研究進(jìn)展[J].中國農(nóng)機(jī)化學(xué)報(bào)，2020，41（5）：188-196.

WANG H N， GE J G， ZHANG X H. Research progress onidentification and localization technology of tomato pickingrobot [J]. J. Chin. Agric. Mech.， 2020，41（5）：188-196.

［7］ 劉俊明，孟衛(wèi)華.基于深度學(xué)習(xí)的單階段目標(biāo)檢測算法研究綜述[J].航空兵器，2020，27（3）：44-53.

LIU J M， MENG W H. A review of single-stage objectdetection algorithms based on deep learning [J]. Aero Weap.，2020，27（3）：44-53.

［8］ 張境鋒，陳偉，魏慶宇，等.基于Des-YOLO v4的復(fù)雜環(huán)境下蘋果檢測方法[J].農(nóng)機(jī)化研究，2023，45（5）：20-25.

ZHANG J F， CHEN W， WEI Q Y， et al .. Apple detectionmethod in complex environment based on Des-YOLOv4 [J]. J.Agric. Mech. Res.， 2023，45（5）：20-25.

［9］ 張俊寧，畢澤洋，閆英，等.基于注意力機(jī)制與改進(jìn)YOLO的溫室番茄快速識別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2023，54（5）：236-243.

ZHANG J N， BI Z X， YAN Y， et al .. Rapid recognition ofgreenhouse tomatoes based on attention mechanism andimproved YOLO [J]. Trans. Chin. Soc. Agric. Mach.， 2023，54（5）：236-243.

［10］ ZENG T H， LI S Y， SONG Q M， et al .. Lightweight tomato realtimedetection method based on improved YOLO and mobiledeployment [J]. Comput. Electron. Agric.， 2023，205：107625.

［11］ QI J T， LIU X N， LIU K， et al .. An improved YOLOv5 modelbased on visual attention mechanism： application to recognition oftomato virus disease [J]. Comput. Electron. Agric.， 2022，194：106780.

［12］ 張立杰，周舒驊，李娜，等.基于改進(jìn)SSD卷積神經(jīng)網(wǎng)絡(luò)的蘋果定位與分級方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2023，54（6）：223-232.

ZHANG L J， ZHOU S H， LI N， et al .. Apple localization andgrading method based on improved SSD convolutional neuralnetwork [J]. Trans. Chin. Soc. Agric. Mach.， 2023，54（6）：223-232.

［13］ 毛銳，張宇晨，王澤璽，等.利用改進(jìn)Faster-RCNN識別小麥條銹病和黃矮病[J].農(nóng)業(yè)工程學(xué)報(bào)，2022，38（17）：176-185.

MAO R， ZHANG Y C， WANG Z X， et al .. Identification ofwheat stripe rust and yellow dwarf by improved Faster-RCNN [J].Trans. Chin. Soc. Agric. Eng.， 2022，38（17）：176-185.

［14］ 梁喜鳳，章鑫宇，王永維.基于改進(jìn)Mask R-CNN的番茄側(cè)枝修剪點(diǎn)識別方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2022，38（23）：112-121.

LIANG X F， ZHANG X Y， WANG Y W. Identification methodof tomato lateral branch pruning points based on improvedMask R-CNN [J]. Trans. Chin. Soc. Agric. Eng.， 2022，38（23）：112-121.

［15］ LIU G， NOUAZE J C， TOUKO MBOUEMBE P L， et al .. YOLOtomato：a robust algorithm for tomato detection based onYOLOv3 [J/OL]. Sensors， 2020，20（7）：2145 [2024-02-24]. https：//doi.org/10.3390/s20072145.

［16］ 龍潔花，趙春江，林森，等.改進(jìn)Mask R-CNN的溫室環(huán)境下不同成熟度番茄果實(shí)分割方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37（18）：100-108.

LONG J H， ZHAO C J， LIN S， et al . Improved segmentationmethod of tomato fruit with different ripeness in greenhouseenvironment by Mask R-CNN [J]. Trans. Chin. Soc. Agric.Eng.， 2021，37（18）：100-108.

［17］ AFONSO M， FONTEJIN H， FIORENTIN F S， et al .. Tomatofruit detection and counting in greenhouses using deeplearning [J/OL]. Front. Plant Sci.， 2020，11：571299 [2024-02-24]. https：//doi.org/10.3389/fpls.2020.571299.

［18］ 劉之瑜，張淑芬，劉洋，等.基于圖像梯度的數(shù)據(jù)增廣方法[J].應(yīng)用科學(xué)學(xué)報(bào)，2021，39（2）：302-311.

LIU Z Y， ZHANG S F， LIU Y， et al .. Data augmentationmethod based on image gradient [J]. J. Appl. Sci.， 2021，39（2）：302-311.

［19］ 趙越，衛(wèi)勇，單慧勇，等.基于深度學(xué)習(xí)的高分辨率麥穗圖像檢測方法[J].中國農(nóng)業(yè)科技導(dǎo)報(bào)，2022，24（9）：96-105.

ZHAO Y， WEI Y， SHAN H Y， et al .. High resolution wheatimage detection method based on deep learning [J]. J. Agric.Sci. Technol.， 2022，24（9）：96-105.

［20］ 楊堅(jiān)，錢振，張燕軍，等.采用改進(jìn)YOLOv4-tiny的復(fù)雜環(huán)境下番茄實(shí)時(shí)識別[J].農(nóng)業(yè)工程學(xué)報(bào)，2022，38（9）：215-221.

YANG J， QIAN Z， ZHANG Y J， et al .. Tomato real-timerecognition in complex environment using improved YOLOv4-tiny [J]. Trans. Chin. Soc. Agric. Eng.， 2022，38（9）：215-221.

［21］ XU P H， FANG N， LIU N， et al .. Visual recognition of cherrytomatoes in plant factory based on improved deep instancesegmentation [J]. Comput. Electron. Agric.， 2022，197：106991.

［22］ ANANDHAKRISHNAN T， JAISAKTHI S M. Deep convolutionalneural networks for image based tomato leaf disease detection [J].Sustain. Chem. Pharm.， 2022，30：100793.

［23］ 劉芳，劉玉坤，林森，等.基于改進(jìn)型YOLO的復(fù)雜環(huán)境下番茄果實(shí)快速識別方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（6）：229-237.

LIU F， LIU Y K， LIN S， et al .. Rapid identification method oftomato fruit in complex environment based on improved YOLO [J].Trans. Chin. Soc. Agric. Mach. 2020，51（6）：229-237.

［24］ 成偉，張文愛，馮青春，等.基于改進(jìn)YOLOv3的溫室番茄果實(shí)識別估產(chǎn)方法[J].中國農(nóng)機(jī)化學(xué)報(bào)，2021，42（4）：176-182.

CHENG W， ZHANG W A， FENG Q C， et al .. Fruit recognitionand yield estimation method of greenhouse tomato based onimproved YOLOv3 [J]. J. Chin. Agric. Mech.， 2021， 42（4）：176-182.

［25］ LI H P， LI C Y， LI G B， et al .. A real-time table grapedetection method based on improved YOLOv4-tiny network incomplex background [J]. Biosyst. Eng.， 2021，212：347-359.

［26］ ZHANG Y C， ZHANG W B， YU J Y， et al .. Complete andaccurate holly fruits counting using YOLOX object detection [J/OL].Comput. Electron. Agric.， 2022， 198： 107062 [2024-02-26].https：//doi.org/10.1016/j.compag.2022.107062.

［27］ ZHANG Y J， MA B X， HU Y T， et al .. Accurate cotton diseasesand pests detection in complex background based on animproved YOLOX model [J/OL]. Comput. Electron. Agric.，2022， 203： 107484 [2024-02-26]. https：//doi. org/10.1016/j.compag.2022.107484.

［28］ 何斌，張亦博，龔健林，等.基于改進(jìn)YOLOv5的夜間溫室番茄果實(shí)快速識別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（5）：201-208.

HE B， ZHANG Y B， GONG J L， et al .. Rapid identification ofgreenhouse tomato fruits at night based on improved YOLOv5 [J].Trans. Chin. Soc. Agric. Mach.， 2022，53（5）：201-208.

［29］ 李柯泉，陳燕，劉佳晨，等.基于深度學(xué)習(xí)的目標(biāo)檢測算法綜述[J].計(jì)算機(jī)工程，2022，48（7）：1-12.

LI K Q， CHEN Y， LIU J C， et al . An overview of objectdetection algorithms based on deep learning [J]. Comput. Eng.，2022，48（7）：1-12.

［30］ 岳有軍，孫碧玉，王紅君，等.基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的番茄果實(shí)目標(biāo)檢測[J].科學(xué)技術(shù)與工程，2021，21（6）：2387-2391.

YUE Y J， SUN B Y， WANG H J， et al . Tomato fruit targetdetection based on cascaded convolutional neural network [J].Sci. Technol. Eng.， 2021，21（6）：2387-2391.

（責(zé)任編輯：溫小杰）

基金項(xiàng)目：天津市科技計(jì)劃項(xiàng)目（21YDTPJC00600）；天津市教委教改項(xiàng)目（A201006102）。