DOI：10.3969/j.issn.1672-3872.2025.11.001
基金项目：国家自然科学基金“‘5G+IoT’场景下混合数据流驱动的作物生长状态智能预测研究”（72001190）
作 者：马聪丽1 ，徐达宇1 ，张旭尧2（1. 浙江农林大学数学与计算机科学学院，浙江 杭州 311300；2. 浙江农林大学经济管理学院，浙江 杭州 311300）
摘 要：【目的】提升现有的单阶段葡萄检测模型在多级特征融合、局部特征增强、全局语境挖掘方面的性能，进一步提高葡萄果穗检测的精度。【方法】提出了一种基于改进YOLOv5的层次化特征感知模型（HFP-YOLO），其包括CF模块、SPA模块、ACP模块等核心部分。CF模块通过交互注意力充分融合不同层次的果穗特征；SPA模块旨在捕获葡萄图像中位置与语义之间的相关性；ACP模块旨在通过多尺度感受野挖掘果穗的全局语境。同时，分别评估了CF模块、SPA模块和ACP模块对HFP-YOLO整体性能的有效性，进行了HFP-YOLO整体性能的可视化评价。【结果】HFP-YOLO通过各模块的层次化集成后，在葡萄检测数据集上的mAP比原始YOLOv5提高了6.1个百分点，有效提升了葡萄果穗检测的精度。【结论】本研究提出的HFP-YOLO可为葡萄等果园提供高精度的识别，为农业智能化发展提供参考。
关键词：葡萄果穗检测；多级特征融合；语义位置相关性；全局语境感知
引文信息：[1]马聪丽，徐达宇，张旭尧.HFP-YOLO：基于层次化特征感知网络的葡萄果穗检测研究[J].南方农机，2025，56(11)：1-6+19.
查看全文请下载PDF文件↓
