基于RT-DETR改进的幼桃识别模型
张云建1
陈红明1
杨晓刚1
杨灿鹏1
王学睿1
黄中豪2
杨琳琳1
1.云南农业大学机电工程学院,云南 昆明 6502012.作物模拟与智能调控重点实验室,云南 昆明 650201
摘要：针对自然环境下未成熟桃子识别存在与周围环境颜色相似、光照不均及枝叶遮挡等问题,本研究以RT-DETR-R18为基础模型进行改进,提出一种幼桃检测模型FREDC-RTDETR.通过将RT-DETR-R18骨干网络中的BasicBlock替换为Faster NetBlock、结合RepConv重参数化技术、引入EMA注意力机制,设计新的骨干网络FRE Block,在降低参数量的同时提高模型特征提取能力;在颈部网络中,用基于可学习位置编码的AIFI-LPE替代原AIFI模块,解决注意力偏移的问题,同时采用DySample动态上采样以及重新设计的CG block Down下采样算子,优化上下采样过程;此外,使用Shape-IoU损失函数,增强模型对图像细节的捕捉能力.实验结果显示,在自建数据集上,改进后的模型均值平均精度达到96.1％,召回率达到91.9％,精确率达到97.6％,相比原模型分别提高了 2.4、2.7、2.5个百分点.可见,本研究提出的模型在复杂背景下表现出较好的鲁棒性和精确度,可为果树早期产量预测以及绿色果实识别提供参考.
关键词：幼桃识别RT-DETRFRE BlockAIFI-LPE模块DySample动态上采样CG block Down下采样Shape-IoU损失函数
分类号：S126(农业物理学)
资助基金：国家自然科学基金(32160420)云南省重大科技专项(202202AE09002103)云南省农林联合专项(202301BD070001-172)
论文发表日期：2026-03-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：11( 160-170 )
英文信息