返回
A Vision-Based Information Processing Framework for Vineyard Grape Picking Using Two-Stage Segmentation and Morphological Perception
DOI:10.3390/horticulturae11091039.png)
摘要
En 中文
为实现高效的葡萄园葡萄采摘,提出了一种基于视觉的信息处理框架,该框架集成了两阶段分割与形态感知。在第一阶段,采用改进的YOLOv8s-seg模型进行粗分割,包含两项关键改进:首先,引入动态变形特征聚合模块(DDFAM),有助于提取复杂结构和形态特征;其次,采用高效非对称解耦头(EADHead),在提升边界感知能力的同时减少参数冗余。与主流分割模型相比,改进模型性能更优,达到最高mAP@0.5为86.75%,具有10.34 M参数的轻量结构,并实现每帧10.02 ms的实时推理速度。在第二阶段,使用改进的OTSU阈值算法对果梗进行精细分割,该算法应用于HSV颜色空间色度分量生成的单通道图像,从而增强复杂光照条件下的鲁棒性。预处理后的果梗提取的形态特征(包括质心坐标及通过中轴变换MAT构建的骨架)进一步用于建立与采摘点及切割轴的空间关系。可视化分析证实了所提框架的高可行性与适应性,为葡萄采摘自动化提供了关键技术支持。
Keyword:
grape picking
semantic segmentation
YOLOv8s-seg
morphological perception
real-time inference
期刊
H
IF:
3
论文数:
7.4K
被引数:
1.2W
机构
引用论文
Efficient and lightweight grape and picking point synchronous detection model based on key point detection基于关键点检测的高效轻量化葡萄与采摘点同步检测模型
Optimization of spiral continuous flow-through pulse light sterilization for Escherichia coli in red grape juice by response surface methodology
FOOD CONTROL
IF6.3
Chen, W.; Rao, Y.; Wang, F.; Zhang, Y.; Yang, Y.; Luo, Q.; Zhang, T.; Wan, T.; Liu, X.; Zhang, M.; et al. A dataset of grape multimodal object detection and semantic segmentation. China Sci. Data 2025, 10, 1–16. [Google Scholar] [CrossRef]陈,W.;Rao,Y.;王,F.;张,Y.;杨,Y.;罗,Q.;张,T.;万,T.;刘,X.;张,M.;等。葡萄多模态目标检测和语义分割的数据集。中国科学数据 2025, 10, 1–16. [Google Scholar] [CrossRef]
An advanced approach to tomato apex head thickness measurement using lightweight YOLO variants, faster RCNN, and RGB-depth sensor基于轻量化YOLO变体、Faster R-CNN和RGB-深度传感器的番茄顶端头厚度测量先进方法
Wang, Q.; Xu, F.; Chen, Q.; Mi, Z.; Fan, Y.; Su, B. Detection and location of wine grape (Cabernet Sauvignon) picking points by using a dual-stage deep learning method. Comput. Electron. Agric. 2025, 237, 110637. [Google Scholar] [CrossRef]王, Q.; 徐, F.; 陈, Q.; 米, Z.; 范, Y.; 苏, B. 通过双阶段深度学习方法检测和定位葡萄酒葡萄(Cabernet Sauvignon)采摘点。Comput. Electron. Agric. 2025, 237, 110637. [Google Scholar] [CrossRef]

