苹果采摘机器人目标识别的改进YOLO方法应用及挑战OA
为解决苹果采摘机器人目标识别中YOLO算法受果园复杂环境影响、识别精度与可靠性不足问题,梳理该领域研究现状,重点分析改进YOLO的典型方法与应用,从网络结构优化、损失函数改进及实际应用案例三方面展开研究,同时探讨数据集不足、实时性与精度失衡、极端条件下识别不稳定等问题,并展望多模态感知、轻量化优化与果园系统深度集成的发展趋势.研究表明,改进YOLO算法可有效提升复杂环境下苹果目标的检测表现,但需突破现存瓶颈.其与多技术的融合应用,可为苹果采摘机器人智能化发展提供支撑.
姚富龙;叶星;张绍军;许健堂;范修文
塔里木大学机械电气化工程学院,新疆 阿拉尔 843300||新疆农业职业技术大学,新疆 昌吉 831100新疆农业职业技术大学,新疆 昌吉 831100新疆农业职业技术大学,新疆 昌吉 831100新疆准葛尔银丰农机装备有限公司,新疆 五家渠 831300塔里木大学机械电气化工程学院,新疆 阿拉尔 843300
信息技术与安全科学
苹果采摘机器人目标识别YOLO算法算法改进
《数字农业与智能农机》 2026 (2)
34-36,3
评论