基于精度与计算复杂度平衡的番茄检测与采摘点定位方法研究

《Engineering Applications of Artificial Intelligence》：Research on tomato detection and picking point location method based on accuracy and computational complexity balance

　　

摘要

在自然环境中准确检测番茄果实和采摘点对智能农业中的番茄自动采摘至关重要。然而，在遮挡和复杂田间条件下，如何在保持检测精度的同时降低模型复杂度仍然具有挑战性。为解决这一问题，本文提出了一种基于YOLOv11 nano的参数高效番茄检测网络。具体而言，引入了特征互补映射模块和多核感知单元，在减少模型参数数量的同时保持特征表示能力。此外，引入集成动态卷积的C3k2模块以增强网络的多尺度特征提取能力。进一步地，引入频率注意力机制以抑制高频噪声，提高成熟度差异细微的果实和青果的特征表示稳定性。实验结果表明，所提方法取得了87.4%的F1分数和92.7%的平均精度均值，同时将模型参数量减少了62.4%。此外，采摘点定位的平均像素误差仅为6.72像素，表明在遮挡场景下具有较强的鲁棒性。该模型成功部署于边缘设备，端到端处理速度达到30.8帧/秒，验证了其在智能农业采摘系统中的有效性和实用价值。

引言

番茄是世界主要贸易蔬菜之一，在全球蔬菜贸易中占据重要地位。然而，人工采摘耗工费时，限制了番茄种植业的发展（Rong等，2023）。机器人采摘为该问题提供了有效的解决方案，但这要求机器人的感知系统能够准确识别番茄果实和采摘点。此外，采摘机器人通常在嵌入式系统或移动计算平台上运行，其算力和存储空间极其有限。因此，开发一种平衡精度与复杂度的视觉检测模型至关重要。

作为典型的蔬菜，番茄通常成簇生长，果实与叶片相互遮挡。然而，自然种植环境中光照条件多样，果实尺度差异显著。此外，番茄并非同时成熟，而是分批成熟（Du等，2023）。这意味着视觉系统需要在复杂的田间环境中区分不同成熟阶段的番茄。然而，青番茄的颜色与背景叶片高度相似，使得前景与背景的区分变得困难。此外，半熟番茄与成熟番茄之间的视觉特征具有过渡性，类内细微差异进一步增加了成熟度识别的难度。这些问题共同限制了复杂田间环境中的检测精度和实时性能。

近年来，随着目标检测算法的不断发展，机器视觉已被广泛应用于智能农业，如水果检测（Xu等，2024；G. Zhang等，2025）、水果计数（Chen等，2025；Yi等，2024）、水果分级（Chakraborty等，2023）、杂草检测（Niu等，2024）和病害检测（Yao等，2025）。作为单阶段目标检测框架的代表，YOLO系列因其良好的检测精度和实时性能而被广泛应用于农业视觉感知任务。现有研究主要集中在模型轻量化、复杂场景下的鲁棒性增强以及边缘部署优化等方面。一些研究通过优化特征融合网络、增强特征提取能力或修改损失函数来提高模型鲁棒性（Zhao等，2025；X. Qin等，2025；Gu等，2024b）。然而，真实的农业环境往往涉及目标尺度变化、复杂遮挡和光照变化，可能导致漏检、误检或定位不准。这种性能下降在遮挡条件下尤为明显。同时，为满足采摘机器人等边缘平台的实时部署需求，一些研究通过采用轻量级骨干网络、引入轻量级模块或应用模型剪枝来降低模型复杂度，从而提高部署效率（Zeng等，2023；Yu等，2024；Alam等，2025）。然而，轻量化设计往往会削弱模型的特征表示能力，而剪枝可能会去除重要信息从而导致模型性能下降。因此，如何在提高复杂场景下检测鲁棒性的同时控制模型复杂度，仍是农业目标检测模型实际应用中的重要问题。

采摘点定位是机械采摘系统的关键组成部分。现有研究主要使用关键点检测和实例分割方法来定位采摘点（Gu等，2024a；Wang等，2024a）。关键点检测通常具有相对较高的推理速度，但其学习不可见或遮挡关键点特征的能力有限，降低了在遮挡场景中的定位性能。实例分割可以提供更完整的物体轮廓信息，有利于后续的采摘点推断。然而，它需要较高的标注成本并引入大量的计算开销，难以满足实时性要求。因此，如何在保持定位精度、实时性和鲁棒性的同时减少标注依赖和计算负担，仍是一个亟待解决的问题。

为应对复杂环境中番茄采摘机器人的检测性能与部署的双重需求，本文提出了参数高效番茄检测网络（PETD-Net），以平衡精度与模型复杂度。此外，结合番茄的形态特征和图像处理方法，提出了一种动态拟合策略来定位番茄的采摘点。最后，将所提PETD-Net模型部署于配备边缘设备的机器人平台上。具体工作流程如图1所示。

本文的主要贡献包括：（1）提出了一种高效的番茄成熟度检测模型PETD-Net，显著增强了检测性能并降低了模型复杂度。（2）基于番茄的形态特征和图像处理技术，采用动态拟合策略定位番茄采摘点，该策略在遮挡环境中仍能准确预测番茄采摘点。（3）将模型部署于配备边缘设备的机器人平台，并设计模块化交互界面以验证模型的实用价值。

本文其余部分安排如下。第2节综述相关工作。第3节介绍材料与方法。第4节呈现实验与结果分析。最后是讨论与结论。

章节摘要

目标检测

YOLO模型因其高检测精度和快速推理速度而被广泛应用于目标检测任务。Ma等（2024）提出了一种基于YOLOv8n的改进辣椒目标检测模型，在保持模型轻量化的同时显著提高了自然环境中辣椒的检测精度。Zhai等（2024）提出了一种TEAVit模型，通过纹理边缘感知增强了纹理特征的提取能力

图像采集

实验图像使用工业相机在广西南宁的一个温室番茄种植园采集。为确保数据多样性，从不同角度、不同遮挡场景和不同光照条件下采集图像。图像包括成熟番茄、半熟番茄和青番茄，共计1059张。数据集如图2所示。该数据集命名为Datasets-TD。为增强模型的泛化能力和增加小目标数据量，

模型训练

实验在Windows操作系统上进行。硬件包括第12代Intel i7-12700F CPU和配备8GB显存的NVIDIA GeForce RTX 4060 GPU。软件环境包括PyTorch 2.6.0、Python 3.11.11和CUDA 12.6。考虑到设备容量和模型泛化能力，选择了批量大小为16以确保训练更加平稳。训练迭代次数为200。当前主流算法均配备早停机制。如果验证损失

可视化分析

为观察改进后模型对目标的注意力变化，使用Grad-CAM对改进前后的模型检测图像进行可视化，如图23所示。（a）为原始图像，（b）为基线模型的热力图，（c）为改进模型的热力图。可以清楚地看到，图23(c)中对小尺度和边缘目标的热响应强度显著增强。图23(b)中对边缘区域的目标几乎没有有效注意力

结论

本文针对复杂环境中番茄检测面临的遮挡和果实尺度变化等挑战，提出了一种参数高效的番茄检测网络PETD-Net。该网络采用FCM和MKP压缩参数同时保持性能。随后引入C3k2-DC和FA以增强其特征提取能力。此外，基于番茄的形态特征和图像处理方法，提出了一种动态拟合策略

CRediT作者贡献声明

包艳燕：写作——审阅与编辑，写作——初稿撰写，可视化，软件，方法论，数据整理，概念化。陈继清：写作——审阅与编辑，验证，监督，资源，资金获取。张海军：写作——审阅与编辑，资源，调查，数据整理。李宏伟：写作——审阅与编辑，监督，形式分析，概念化。张钊：写作——审阅与编辑，监督，形式分析，概念化。

利益冲突声明

作者声明他们不存在任何已知的竞争性经济利益或个人关系，这些关系可能会影响本文所报告的工作。

致谢

本研究由国家自然科学基金（项目编号62163005）和广西壮族自治区自然科学基金（项目编号2022GXNSFAA035633）资助。我们衷心感谢编辑和审稿人的建设性意见。

包艳燕|陈继清|张海军|李宏伟|张钊|何群潮|马安鸿|王伟|朱顺平

广西大学机电工程学院，南宁，530007，中国