基于YOLOv10-VC的番茄成熟度和品质检测算法研究
摘要
重叠，叶片、背景遮挡干扰严重，现有模型对小目标检测时检测精度、效果欠佳等问题，本文提出一种轻量级的
YOLOv10-VC模型。在模型改进方面，以轻量化VanillaNet替换原骨干网络，降低参数规模与计算复杂度，同时引
入Channel Pixel Coordinate Attention（CPCA）注意力机制强化通道与空间特征表达，增强对关键区域及细微缺陷的
识别能力。实验结果表明，优化后的YOLOv10-VC模型在Tomato-maturity数据集上的精确率、召回率和平均精度
分别提升3.3%、3.5%和3.6%，在Tomato-quality数据集上分别提高1.2%、2.1%和1.3%。结果验证了所提方法在保证
检测精度的同时兼顾效率与稳定性，具备实际应用价值。
关键词
全文:
PDF参考
[1]Food F A O. Food and Agriculture organization of
the United Nations[J]. A framework for land evaluation Soils
Bulletin, 2008, 32.
[2]刘成良，贡亮，苑进，等.农业机器人关键技术研
究现状与发展趋势[J].农业机械学报，2022，53（7）：1-22.
[3]刘继展.温室采摘机器人技术研究进展分析[J].农
业机械学报，2017，48（12）：1-18.
[4]蔡静敏.基于深度学习的苹果外观无损检测系统
研究与实现[D].呼和浩特：内蒙古农业大学，2020.
[5]Yan B, Fan P, Lei X, et al. A real-time apple targets
detection method for picking robot based on improved
YOLOv5[J]. Remote Sensing, 2021, 13(9): 1619.
[6]戈刚，杨珺，刘毅，等.改进YOLOv8n模型对
复杂农业场景下西红柿目标的检测[J]. Transactions of the
Chinese Society of Agricultural Engineering, 2025, 41(9).
[7]Malik M H, Zhang T, Li H, et al. Mature tomato fruit
detection algorithm based on improved HSV and watershed
algorithm[J]. IFAC-PapersOnLine, 2018, 51(17): 431-436.
[8]Munera S, Amigo J M, Blasco J, et al. Ripeness
monitoring of two cultivars of nectarine using VISNIR hyperspectral reflectance imaging[J]. Journal of Food
Engineering, 2017, 214: 29-39.
[9]马惠玲，王若琳，蔡骋，等.基于高光谱成像的苹果
品种快速鉴别[J].农业机械学报，2017，48（4）：305-312.
[10]Indrabayu I, Arifin N, Areni I S. Strawberry ripeness
classification system based on skin tone color using multi-class
support vector machine[C]//2019 International Conference
on Information and Communications Technology
(ICOIACT). IEEE, 2019: 191-195.
[11]靳学萌，梁西银，邓鹏飞.基于改进YOLOv10的
轻量级黄花菜分级检测模型[J]. Smart Agriculture, 2024, 6(5).
[12]王春梅，刘欢.YOLOv8-VSC：一种轻量级的带
钢表面缺陷检测算法[J]. Journal of Frontiers of Computer
Science & Technology, 2024, 18(1).
[13]吴胜垚，陈星.图像任务中空间和通道注意力机制
研究综述[J]. MICROELECTRONICS & COMPUTER, 2025.
Refbacks
- 当前没有refback。
