機械與電子工程學院劉平教授團隊在《Computers and Electronics in Agriculture》在線發表了題為《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中重要的精細管理環節，能夠有效調節植株的養分供應，提升葡萄的外觀與品質。傳統方法主要采用人工，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，該方法能夠在復雜環境下檢測葡萄花序中需要去除的葡萄小穗，進而為優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計劃（鄉村振興科技創新提振行動計劃）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
