复杂温室背景下小番茄生长姿态的视觉识别方法与Crop-LoGlobal检测网络研究

针对温室复杂背景下小番茄目标边缘模糊、背景干扰严重的检测难题，研究人员提出基于YOLOv7改进的Crop-LoGlobal网络，通过动态图像增强、全局背景抑制模块（MesNet）和小目标特征增强模块（MLCB/MLCA）的两阶段处理，实现96.05%的检测精度，为采摘机器人提供高鲁棒性解决方案。

　　

在现代化农业温室中，小番茄的高效采摘一直是个棘手难题。想象一下，采摘机器人面对的是怎样一幅场景：密密麻麻的藤蔓间，成熟的小番茄果实与未成熟的绿色果实混杂生长，叶片遮挡、光线变化、颜色相近的背景干扰……这些因素使得机器"眼睛"常常"看走眼"——要么漏检目标，要么把背景误认为果实。更麻烦的是，小番茄这类目标体积小、边缘特征弱，在复杂背景下极易出现模糊和变形，传统基于颜色和形状的识别方法准确率最低仅有65.1%，这严重制约了自动化采摘的推广应用。

针对这一行业痛点，中国科学技术大学的研究团队在《Computers and Electronics in Agriculture》上发表了一项创新研究。他们独辟蹊径地开发出Crop-LoGlobal检测网络，将小番茄识别准确率提升至96.05%，同时将模型参数量控制在36.219M，在精度与效率间取得了巧妙平衡。这项研究为解决农业场景下小目标检测难题提供了新思路。

研究团队采用了三项核心技术：首先构建了包含不同成熟度小番茄的ComBa数据集；其次设计了两阶段检测框架，先通过动态图像增强技术（结合颜色过滤与空间交叉分析）初步定位目标区域；最后创新性地开发了MesNet（融合多头自注意力MHSA与可变形卷积Dconv）和MLCB/MLCA模块，分别用于全局背景抑制和小目标特征增强。实验采用SIOU损失函数优化边界框回归，在NVIDIA GeForceRTX3090平台上进行验证。

【Construction of small tomato data set】
研究选取市场主流的"粉贝贝"和"千年番茄"品种，建立包含不同背景复杂度（目标与背景相似/不相似共存场景）的数据集，特别关注包含三个以上成熟果实的果穗样本，为模型训练提供真实多样的场景。

【Detection system network】
提出的Crop-LoGlobal网络采用两阶段策略：第一阶段通过实时图像处理技术（颜色增强+空间交叉分析）锁定目标区域，减少非目标区干扰；第二阶段通过MesNet和MLCB/MLCA模块的协同作用，MesNet利用MHSA捕获全局特征、Dconv适应目标几何变形，MLCB通过多尺度局部上下文关联增强小目标表达，MLCA则采用混合池化策略突出关键特征。

【Test design】
在Windows11/Pytorch2.0.1平台上的对比实验显示，该模型在保持实时性的前提下（虽略慢于YOLOv8(n)等轻量模型），准确率显著优于现有方法。消融实验证实MesNet使准确率提升1.16%，MLCB/MLCA组合进一步带来3.64%的增益。

【Discussions】
深入分析表明，该研究的突破在于：1）MHSA与Dconv的融合首次实现了对小番茄生长姿态的几何自适应学习；2）MLCB的局部语义关联有效解决了相似背景导致的特征混淆问题；3）SIOU损失函数使检测框定位精度提高2.3%。这些创新使模型在果实重叠率>30%的复杂场景下仍保持93.7%的准确率。

这项研究的意义不仅在于创造了新的检测精度记录（96.05%），更开创性地将农业先验知识（小番茄生长模式）与深度学习相结合。相比传统方法，该方案对光照变化、遮挡和颜色相近干扰的鲁棒性显著增强，为其他农作物检测提供了可借鉴的技术路线。随着精准农业的发展，这种兼顾精度与效率的检测网络，有望成为智能采摘装备的"标准配置"，推动设施农业向更高水平的自动化迈进。