Silkworm instar detection algorithm and automatic feeding control system

doi:10.1016/j.atech.2026.102349

Silkworm instar detection algorithm and automatic feeding control system

2026-06-01

0

PRE

AI

DOI：10.1016/j.atech.2026.102349

原文链接

原文求助

摘要

En 中文

蚕桑养殖是中国一项重要的传统农业产业，为丝绸产业提供核心原料并具有显著经济价值。传统蚕桑养殖高度依赖人工劳动，存在生产效率低、人工成本高和投喂精度不足等问题。桑叶人工投喂需均匀分布，但不同龄期蚕的投喂量差异显著，经验不足易导致过量或不足投喂，影响茧产量与质量。本文提出了一种基于CaFormer与注意力机制的蚕龄检测算法及自动投喂控制方法。首先，基于YOLOv11构建SID-YOLO模型。为解决蚕体目标小、龄期间形态差异细微及自然场景背景复杂遮挡等问题，在骨干网络和颈部网络引入ConvFormer/CaFormer混合特征提取模块，增强局部细节与全局上下文的联合建模能力；采用ADown模块优化降采样过程，减少小目标关键信息损失；嵌入CAFM模块以增强模型对关键区域的聚焦能力并抑制背景干扰。实验结果表明，SID-YOLO精度达90.8%，召回率83.9%，mAP50为92.1%，mAP50:95为64.6%；相较于基准YOLOv11n，mAP50和mAP50:95分别提升3.8和1.6个百分点，参数量与计算成本分别降至2.286 M和5.7 GFLOPs，实现了精度与效率的最优平衡。最后，设计基于STM32的自动投喂控制系统，集成视觉识别、串口通信与执行控制。系统测试显示端到端总延迟约26 ms。在3龄至5龄蚕的实际投喂实验中，最终投喂偏差率控制在3.4%至8.3%之间。研究结果表明，本文提出的方法可有效提升蚕龄细粒度识别精度，并具备在蚕桑养殖实际场景中实现精准投喂的工程应用潜力。

Keyword:

Silkworms

Fine-grained object detection

Hybrid architecture network

Automated feeding system

YOLO

Silkworm instar detection algorithm and automatic feeding control system

摘要

期刊

机构

引用论文