摘要
草莓作为一种重要的水果作物，不仅口感鲜美，还含有丰富的营养成分。然而，草莓生产过程中存在许多问题，如采摘周期短、果实难储存等，这些都给草莓的种植和采摘带来了挑战。因此，实现快速准确地检测草莓和位置定位，辅助农业生产者及时采摘成熟的草莓，能够有效的提高采摘效率和降低采摘成本，具有非常重要的实际意义和广阔的应用潜力。 目前还没有针对草莓检测任务的大规模数据集，本研究主要采用自行拍摄方法获取原始草莓图像，通过旋转、颜色变换和添加噪声等手段进行数据增强，以模拟草莓自然生长环境，通过对数据样本进行标注，构建草莓数据集，为后续研究提供了丰富的样本数据。为了进一步提高对草莓目标的检测效果，本文基于深度学习技术提出了融合残差网络和注意力机制的目标检测模型。模型将特征提取网络替换为残差网络结构，采用了多尺度特征提取的方法，对不同层级的特征图采用不同大小的先验框去遍历，同时采用注意力机制方法更全面地捕获草莓图像的特征信息，利用位置定位误差和分类误差相结合的方式去定义算法模型的损失。实验结果表明，改进的模型对草莓检测精度达到了98.4％,对成熟草莓的检测精度达到了99.0％,未成熟的草莓检测精度达到了97.7％,有效地提高了模型对草莓成熟度的识别能力，为开展草莓成熟度研究提供了实验依据。 为实现对草莓目标的移动端检测，本文构建草莓轻量级目标检测模型，模型利用轻量化网络结构进行信息特征提取，还应用轻量化注意力机制来进一步提高检测性能，同时通过改进的损失函数加速模型收敛过程，使训练过程更加高效。改进的轻量化模型对320×320尺寸大小的草莓图像的每秒传输速率达到了134FPS,并能够在保证较高检测速度的同时保持检测精度，对于计算资源有限的移动端有更好的适应性。本研究以轻量化目标检测模型为基础，运用Python编程语言和PyQt5扩展包开发一套草莓目标检测系统，该系统具有在多种场景下进行实时检测的能力，可以对草莓图像、视频文件进行检测，并可以调用摄像头完成实时检测。此外，还将轻量化模型部署到安卓手机端，利用NCNN框架和AndroidStudio工具实现了模型的部署，完成了手机端的草莓图像检测。移动端检测为自然环境的草莓检测提供了可行的解决方案，也为农业生产提供更好的技术支持。
NETL