GinkgoSense-Net：一种用于在复杂田间环境中对银杏果实进行特征识别与实时检测的方法

《Scientific Reports》：GinkgoSense-Net: A method for characterization and real-time detection of ginkgo fruits in complex field environments

　　

摘要

自动采摘银杏果有助于延长其保鲜期并保证储存时的质量。准确识别银杏果是实现采摘过程中末端执行器稳定可靠运行的关键前提。然而，由于银杏果与树叶在颜色和大小上存在相似性，传统的识别方法容易受到光照变化、遮挡以及背景干扰的影响。为解决这些难题，本文提出了一种基于GinkgoSense-Net的银杏果准确识别方法。具体而言，将EMA和SAF集成到YOLOv11n框架中，并用EIoU替代边界框回归函数。同时，通过Grad-CAM可视化、消融实验以及对比实验等方法来验证GinkgoSense-Net的有效性。实验结果表明，该模型在银杏果检测中的精确度为95.0%，召回率为92.1%，mAP值为93.6%，实时处理速度可达74.9。这些数据表明，所提出的模型在检测精度、计算效率以及模型复杂度之间实现了良好的平衡。这一研究成果有助于推动智慧农业的发展，促进视觉技术在智能采摘领域的实际应用。