改进YOLOv4-Tiny柑橘成熟度检测模型

专为自然环境下柑橘成熟度快速识别设计，可在复杂背景下实现稳健检测，为果园估产和采摘机定位提供技术支持。

Xiao, Xu · 蒋益明 · 王耀南

IEEE Instrumentation and Measurement Magazine 2024

参数信息

平均精度

92.4 %

技术优势

检测速度更快

相比Faster R-CNN等两阶段检测器，改进YOLOv4-Tiny计算量小、速度更快，能满足采摘机器人的实时性要求。

复杂背景鲁棒

在不同拍摄距离、遮挡和光照条件下均能准确识别果实，适用于自然果园的复杂环境。

模型轻量

相比YOLOv5和YOLOv4，改进YOLOv4-Tiny参数更少，占用内存更小，便于部署在嵌入式设备上。

应用场景

• 智能农机：用于采摘机的定位检测，自动识别成熟果实位置。
• 果园管理：提供果实成熟度信息，辅助果园估产和采收决策。
• 农业机器人：作为采摘机器人的视觉模块，实现快速准确的果实识别。