智慧果园种植科研分享(二)

书接上文，继续分享智慧果园种植相关的科研论文，快速了解最新农业科研进展。

八、山地果园管道自动喷雾系统设计与试验

参与机构：华南农业大学电子工程学院(人工智能学院)、广东省农情信息监测工程技术研究中心、国家柑橘产业技术体系机械化研究室

基于管道的自动喷雾技术及设施可以解决山地果园植保作业中喷雾作业效率低、劳动强度大、移动式喷雾机械难以进入的问题。该团队研究设计了适用于山地果园的管道自动喷雾系统，从喷雾首部、喷雾管道、自动喷雾控制器到喷雾小组等一套系统，并开发了控制程序。

结果表明，该系统与人工喷雾相比，提高了喷雾作业的效率，可为山地果园的喷雾技术及智能施药设施的研发提供参考和思路。

九、基于改进Linknet网络的黄土高原苹果园精准提取

参与机构：西北农林科技大学水利与建筑工程学院、中国科学院水利部水土保持研究所

针对黄土高原苹果栽植面积增加，而对区域生态水文和社会经济发展产生的重要影响，同时考虑到该区域果园地块小且场景复杂，仅有县/市尺度统计数据，尚无苹果园实际空间分布信息的现状。该团队研究建立了无人机低空遥感影像专业数据集。

研究融合了迁移学习与深度学习方法，重点对比了几种网络下的提取性能。对比三种网络性能，表现最优的为R_34_Linknet_ASPP+，并在长武县王东沟、白水县通积村进行了试验，验证了该方法提取到的苹果园更加准确，苹果园地块边缘处理效果更好，可作为黄土高原苹果园空间分布制图等研究的技术支撑和理论依据。

十、基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序

参与机构：江苏省农业科学院农业设施与装备研究所/农业农村部园艺作物农业装备重点实验室、江苏大学农业工程学院

为实现机械化智能疏花，发展高速疏花方式，完成花朵与花苞的分类与检测作业。该团队研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题，提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法。

试验结果表明，改进的算法对梨树花序中花苞与花朵的检测精度、平均精度等参数较佳。相比于原始算法，检测精度与召回度分别有提升，检测时间和模型参数量分别降低。表明该算法可对梨树花苞与花朵进行精确地识别和分类，为后续梨园智能化疏花的实现提供技术支持。

十一、基于改进YOLOX的自然环境中火龙果检测方法

参与机构：华南农业大学工程学院、广东省农业人工智能重点实验室、南方农业机械与装备关键技术教育部重点实验室

为提高自然环境下果实识别的精确性、鲁棒性和检测效率，完成机器人在自然环境下而定精准监测条件，该团队研究对YOLOX网络进行改进，提出了一种含有注意力模块的目标检测方法。

对该方法进行性能评估和对比试验，对不同分辨率的火龙果果园自然环境下采集的视频进行实时测试。试验结果表明，研究提出的改进目标检测方法，检测速度、检测精度和模型大小满足自然环境下火龙果采摘的技术要求。

十二、面向果园多机器人通信的AODV路由协议改进设计与测试

参与机构：西北农林科技大学机械与电子工程学院、农业农村部苹果全程机械化科研基地、农业农村部北方农业装备科学观测实验站、黄土高原土壤侵蚀与旱地农业国家重点实验室

针对多机器人在果园中作业时的通信需求，实现无线通讯，该团队研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议。

试验结果表明，该路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，节点相距25 m时静态丢包率为0，距离100 m时丢包率为21.01%，动态行驶时能使机器人维持链状拓扑结构。可为果园多机器人在实际环境中通信系统的搭建提供参考。

十三、基于轻量化改进YOLOv5的苹果树产量测定方法

参与机构：中国农业大学工学院、中国农业大学烟台研究院

为提升苹果果园原位测产的准确性，该团队研究提出一种包含改进型YOLOv5果实检测算法与产量拟合网络的产量测定方法。

试验结果表明，改进型果实检测算法，在提高轻量化程度的同时提升识别准确率，具有良好的精度和有效性，基本可以满足自然环境下树上苹果的测产要求，为现代果园环境下的智能农业装备提供技术参考。

十四、基于改进YOLOv5s和多模态图像的树上毛桃检测

参与机构：安徽农业大学信息与计算机学院、农业农村部农业传感器重点实验室、智慧农业技术与装备安徽省重点实验室

由于毛桃等果实的光照不均和严重遮挡，造成果实检测难的问题，尤其是套袋毛桃。该团队研究基于改进YOLOv5s和多模态视觉数据提出了面向机械化采摘的毛桃多分类准确检测。

实验结果表明，改进YOLOv5s模型在复杂光照和严重遮挡环境下，对裸桃和套袋毛桃的平均精度、套袋毛桃检测准确检测均有贡献，验证了所提出的模型具有良好的泛化能力。在主流移动式硬件平台上，能够实现毛桃的实时检测，在实现果实自动采摘系统视觉智能方面的应用潜力。

以上十四项智慧果园种植方面的科研进展，从技术层面推动了智慧果园的实现，相信未来会有更多科研、科技涌现，共同实现智慧农业、智慧果园。

审核编辑黄宇