改进DeepLabv3+果柄识别模型

分割精度超86%

用轻量骨干与注意力机制精确分割细长果柄，解决枝叶遮挡造成的误分割，为采摘机器人提供可靠视觉。

陈小康 · Genggeng, Dong · 樊湘鹏 · 许燕 · Tongshe, Liu · 周建平 · 江红

Agriculture (Switzerland) 2024

参数信息

平均交并比

86.13 %

平均像素精度

92.92 %

模型大小

59.6 MB

采摘点定位成功率

88.8 %

技术优势

分割更准

引入CBAM注意力模块和DenseASPP，增强了果柄关键特征的提取能力，减少了分割漏洞，MIoU达86.13%。

模型轻量

采用MobileNetv2作为骨干网络，模型大小仅59.6 MB，便于部署在算力有限的采摘机器人上。

应用场景

• 农业机器人：提供高精度果柄分割与采摘点定位，提升采摘机器人的作业成功率。
• 机器人视觉：在遮挡复杂的果园环境中实现可靠的分割，为视觉系统提供关键感知能力。
• 智能果园管理：支持自动化采摘与果园监测，减少人工投入，提升管理效率。