HFDPNet：一种用于复杂温室环境的RGB-D甜椒检测网络

《Computers and Electronics in Agriculture》：HFDPNet: An RGB-D sweet pepper detection network for complex greenhouse environments

　　提出了一种RGB-D网络，融合颜色纹理与深度几何特征，用于复杂背景下的甜椒检测。开发了一种高频坐标注意力（HCA）模块，以增强边缘、纹理和方向性空间特征。设计了一种带有FocusFeature的双向焦点特征金字塔网络（BiFDPN），实现浅层与深层特征的高效融合。引入了SA-Inner-IoU，以改善不同尺度甜椒的边界框回归。章节摘要1 引言甜椒是中国经济蔬菜作物中的重要种类，在中国南北各地广泛种植。甜椒果实富含VC、胡萝卜素以及各种矿物质，具有促进消化、增强免疫力等功效，深受消费者喜爱。随着现代农业向精准化、高产出、高效率方向发展，甜椒的种植面积图像采集图像数据采集工作在中国江苏省盐城市东台市弶港镇季家村的一座温室中进行，时间为甜椒采收季。种植区的地理坐标为北纬32°37′24″、东经120°37′53″。该区域属于典型的华东气候区，土壤肥沃、气候条件适宜甜椒生长。地理位置如图1所示。本研究使用了一台D435i深度相机HFDPNet的网络结构为了提高模型在复杂环境中的鲁棒性及其对低对比度目标的感知能力，本文引入深度信息，基于单模态结构构建双模态输入框架，从RGB单分支扩展为RGB–深度双分支架构。在特征提取过程中，RGB分支与深度分支各自从浅层到深层独立进行渐进式下采样，最终输出三个尺度的特征图：P3、P4，实验结果为了验证所提出的HFDPNet模型在甜椒检测中的有效性，本文从模块消融、跨模态融合、颈部结构、损失函数以及与主流检测器对比五个方面开展实验。所有实验均在相同的数据划分和训练配置下完成，以保证结果具有可比性。除检测精度外，本文还报告了参数量、GFLOPs和FPS，以评估效率讨论在本研究中，为应对温室甜椒检测中存在的颜色相似、严重遮挡、目标尺度差异大以及背景纹理复杂等挑战，我们提出了一种基于YOLO的RGB-D双模态检测模型HFDPNet。实验结果表明，完整模型取得了76.1%的mAP@50和48.5%的mAP@50:95，相较于基线模型分别提升了3.7和4.2个百分点，表明所提出的跨模态融合、细节作者贡献声明（CRediT）**YuLong Nan**：稿件审阅与编辑、监督指导、资源提供、方法论、经费获取。**Yong Zeng**：稿件审阅与编辑、监督指导、资源提供、项目管理。**YuKang Fan**：初稿撰写、软件、方法论、数据管理。**Jiawei Gao**：调查研究、数据管理。伦理审查本研究未涉及人类受试者或动物。利益冲突声明作者声明，不存在可能影响本文所报告工作的已知竞争性经济利益关系或个人关系。致谢本研究得到**国家自然科学基金**（项目编号：32402424）和**盐城工学院**校级科研课题经费（项目编号：SJCX25_XY024）的资助。YuLong Nan | Yong Zeng | YuKang Fan | Jiawei Gao