【技术实现步骤摘要】
本专利技术涉及农业机械化采收，更具体的说是涉及一种根茎类蔬菜智能采收的多任务检测与质量评估方法。
技术介绍
1、传统的根茎类蔬菜采收主要依赖人工操作，存在效率低、成本高以及难以满足规模化生产需求等问题。尽管机械化采收设备的引入提升了作业效率，但现有技术仍面临诸多挑战。传统设备无法充分适应根茎类蔬菜的形态多样性，且对于质量等级的识别精度有限。同时，在复杂的田间环境中，难以精准区分根茎类蔬菜的本体与缨叶，导致采收损伤率高、分级效果差，限制了产业链的标准化与市场化进程。
2、随着人工智能和深度学习技术的迅猛发展，农业智能化迎来了新的发展机遇。基于计算机视觉的目标检测与分类算法在农作物识别领域展现出了巨大的潜力。然而，农业场景的特殊性要求模型具备更高的精度与强大的鲁棒性。在高速采收流水线中，系统需在有限时间内完成大批量目标的实时检测与分类，这对算法的计算效率提出了极高要求。此外，根茎类蔬菜在形态、尺寸、表面纹理及埋土深度上的多样性，加之光照变化、泥土遮挡等环境因素的干扰，要求检测系统具备更高的适应性。现有技术普遍将目标检测与质量分类...
【技术保护点】
1.一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，包括：
2.根据权利要求1所述的一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，所述双分支结构包括：主干网络、多任务检测头和质量检测头；
3.根据权利要求2所述的一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，所述C2f模块在特征提取过程中引入快捷连接机制，并通过参数配置适应模型规模，用于平衡计算效率与特征表达能力。
4.根据权利要求2所述的一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，所述SPPF模块位于主干网络末端，通过...
【技术特征摘要】
1.一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，包括：
2.根据权利要求1所述的一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，所述双分支结构包括：主干网络、多任务检测头和质量检测头；
3.根据权利要求2所述的一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，所述c2f模块在特征提取过程中引入快捷连接机制，并通过参数配置适应模型规模，用于平衡计算效率与特征表达能力。
4.根据权利要求2所述的一种根茎类蔬菜智能采收的多任务检测与质量评估方法，其特征在于，所述sppf模块位于主干网络末端，通过多尺度池化操作提升全局感受野，用于增强目标定位能力。
5.根据权利要求2所述的一种根茎类蔬...
【专利技术属性】
技术研发人员：陈雯柏，赵薇，吴细宝，任冠旭，王一群，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。