基于FPB-DETR的苹果成熟度检测算法

薛婷, 王震洲, 孟志永, 张秀清, 杨琳, 邓标

河北科技大学学报 ›› 2026, Vol. 47 ›› Issue (02) : 209 -219.

PDF
河北科技大学学报 ›› 2026, Vol. 47 ›› Issue (02) : 209 -219.

基于FPB-DETR的苹果成熟度检测算法

    薛婷, 王震洲, 孟志永, 张秀清, 杨琳, 邓标
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对当前苹果成熟度检测在大规模、光照和遮挡等情况时检测精度与效率较低的问题,提出一种基于RT-DETR改进的FPB-DETR检测模型。首先,在主干网络中引入频率自适应膨胀卷积(frequency-adaptive dilated convolution, FADC)模块,通过解决有效感受野与特征带宽的矛盾以及突破固定膨胀率的限制,精准聚焦苹果表面细微颜色渐变区、未成熟斑点及纹理条纹;其次,设计Pola-AIFI(polaformer-attention-based intra-scale feature interaction)模块,解决负值忽略与信息熵过大的问题,抑制目标苹果在不同环境下的干扰;最后,在多尺度融合阶段引入双向特征金字塔网络(bi-directional feature pyramid network, BIFPN)模块,优化特征融合效率与关键信息聚焦能力,抑制成熟度特征传递中的歧义干扰。结果表明:所提FPB-DETR模型的精确度、召回率和均值平均精度分别为92.5%、92.7%和96.8%,相比于原模型分别提升2.0、1.7和1.8个百分点,均优于Faster R-CNN、YOLOv5m、YOLOv8m、YOLOv11m以及YOLOv12m目标检测模型,显著提升了模型检测能力;模型平均检测时间为31 ms,满足对苹果成熟度实时检测的需求。本文将特征提取、注意力机制与多尺度融合结合实现了检测效果的提升,为智能采摘机器人更好的发展提供了参考。

关键词

计算机神经网络 / 目标检测 / 成熟度 / 多尺度融合 / RT-DETR

Key words

引用本文

引用格式 ▾
薛婷, 王震洲, 孟志永, 张秀清, 杨琳, 邓标. 基于FPB-DETR的苹果成熟度检测算法[J]. 河北科技大学学报, 2026, 47(02): 209-219 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/