基于YOLOv10n的温室大棚番茄成熟度检测算法研究

摘要

针对温室大棚番茄采摘机器人的果实识别需求，本文提出了一种基于YOLOv10n框架的改进型目标检测模型YOLOv10n-SPPF-LSKA。该模型通过引入Kernel Warehouse Conv(KWConv)模块降低了计算资源需求，并将传统特征金字塔网络（FPN）优化为双向特征金字塔网络（BiFPN），增强了上下文信息捕获能力，减少了模型参数量。此外，在SPPF特征拼接后加入LSKA模块，利用大可分卷积核注意力机制强化重要特征权重，有效提升了模型对目标形状的敏感性，降低了纹理依赖性。试验结果表明：YOLOv10n-SPPF-LSKA在mAP指标上提升1.3%，计算量仅为6.7 G FLOPs；与RT-DETR、Faster-RCNN、SSD、YOLOv5、YOLOv7和YOLOv8等模型相比，该模型在检测精度和速度方面均具有显著优势，为番茄采摘机器人的智能化发展提供了技术支持。

关键词

番茄果实检测 / YOLOv10n / 金字塔网络 / 注意力机制 / 采摘机器人