番茄生长点检测模型

温室多环境高准确

一种改进的YOLOv8模型，通过注意力机制与轻量化设计，在温室复杂环境下可靠识别番茄生长点与花芽。

Yu, Jingxin · Zhang, Changfu · Huankang, Cui · Jinpeng, Zhao · Wengang, Zheng · Xu, Fan · Wei, Xiaoming

Scientific Reports 2025

参数信息

检测准确率

93.6 %

平均精度均值 (mAP@0.5)

97.8 %

平均精度均值 (mAP@0.5:0.95)

85.1 %

计算负载降低

19 %

技术优势

检测更准

引入 SE 注意力模块，增强杂乱环境下的特征表示，mAP@0.5:0.95 提升 5.1 个百分点。

模型更轻

GhostConv 替代标准卷积，计算负载降低 19%，同时保持特征判别力。

适应尺度变化

尺度自适应 WIoU_v2 损失函数优化梯度分配，提高对目标尺度变化的鲁棒性。

应用场景

• 温室番茄监测：替代人工巡检，自动识别生长点和花芽，指导整枝与授粉。
• 农业机器人视觉：为机器人提供实时视觉感知，精准定位操作目标。
• 作物生长管理：持续监测生长动态，优化水肥与整枝决策。