機械與電子工程學(xué)院劉平教授團隊在《Computers and Electronics in Agriculture》在線發(fā)表了題為《Spikelets detection of table grape before thinning based on improved YOLOV5s and Kmeans under the complex environment》，杜文圣博士為第一作者，劉平教授為通訊作者。

疏花是鮮食葡萄生產(chǎn)中重要的精細管理環(huán)節(jié)，能夠有效調(diào)節(jié)植株的養(yǎng)分供應(yīng)，提升葡萄的外觀與品質(zhì)。傳統(tǒng)方法主要采用人工，效率低、成本高、易錯過最佳疏花時期，難以滿足大型葡萄園的疏花要求。因此，亟需設(shè)計一種簡單易用、自動化程度高的葡萄疏花機器人，而果穗快速、精準(zhǔn)檢測分析是葡萄疏花機器人亟待解決的“卡脖子”問題之一。

該團隊基于所設(shè)計的葡萄疏花機器人，采用改進的Mask R-CNN提出了一種定位鮮食葡萄果梗夾持點的方法，能夠有效定位鮮食葡萄上的果梗夾持點。在此基礎(chǔ)上，研究了多種情況（單穗和多穗，花序期和分散期等）下花穗果梗的檢測與分割，提高了自然環(huán)境下果梗夾持點的識別精度與定位精度。

圖1 實驗條件下鮮食葡萄疏花機器人

此外，該研究團隊采用改進的YOLOV5s與Kmeans，還提出了一種的葡萄疏花檢測方法，該方法能夠在復(fù)雜環(huán)境下檢測葡萄花序中需要去除的葡萄小穗，進而為優(yōu)化鮮食葡萄疏花機器人提供了理論支持。

圖2. 鮮食葡萄疏花檢測方法

本研究得到了山東省重點研發(fā)計劃（鄉(xiāng)村振興科技創(chuàng)新提振行動計劃）項目的資助。

論文鏈接：https://doi.org/10.1016/j.compag.2022.107432

編      輯：萬    千 

審      核：賈    波