果园环境的复杂性和果实特征的多样性，给果园管理带来了诸多挑战。随着智慧农业的兴起，果园智能化管理的应用越来越广泛。果园智能化管理中，目标检测技术扮演着至关重要的角色。通过精准识别果实的位置信息，可以为采摘机器人提供准确的导航指令，同时也可以为果园环境监测提供实时、准确的数据支持。而如何在背景复杂的果园环境中精准识别出李子则是一个非常关键的问题。
四川农业大学信息工程学院贺英豪等人在《华中农业大学学报》2024年第5期发表了题为《基于改进YOLOv5对果园环境中李的识别》的文章。作者通过对YOLOv5s模型进行改进，引入了全新的Focus-Maxpool模块，使得模型在下采样过程中能够保留更多关键特征信息。这一设计显著提升了模型对高遮挡目标和小目标的检测能力，使得在果园复杂多变的环境中，也能精准识别果树上的李子。
此外，作者还采用了focal loss和交叉熵函数的加权损失作为模型的分类损失，这一创新性的改变有效增强了模型对粘连目标的识别能力。在果园中，李子之间常常紧密相连，这一改进无疑为模型的实用化应用提供了有力支持。改进后的模型在检测速度上也表现出色，达到了91.37帧/秒，完全能够满足果园实时检测的需求。这一研究成果不仅为果园智能化管理提供了新的思路和方法，也为农业科技的进步注入了新的动力。相信在未来的果园生产中，这些创新技术能够得到广泛应用，为农业生产带来更加显著的效益。
本研究得到四川省自然科学基金项目（2022NSFSC0172）和四川农业大学专业建设支持计划（040-2121997775）的资助。
贺英豪, 唐德钊, 倪铭, 等. 基于改进YOLOv5对果园环境中李的识别[J]. 华中农业大学学报, 2024, 43(5): 31-40.
DOI: 10.13300/j.cnki.hnlkxb.2024.05.004
