基于YOLO 11n-LDA的苹果成熟度识别与低损采摘方法OA

针对不同光照下苹果成熟度识别困难,不同成熟度苹果使用同一采摘模式损伤率较高的问题,提出了一种改进YOLO 11n不同光照下苹果成熟度识别模型YOLO 11n-LDA,并与柔性夹爪结合实现不同成熟度苹果低损采摘的方法。首先,在YOLO 11n网络中的SPPF模块中加入具有大型可分离内核注意力(Large separable kernel attention,LASK)模块,增大模型感受野;然后在C3k2模块中加入动态蛇形卷积(Dynamic snake convolution,DySnakeConv),提高模型多尺度特征感知能力;其次将Neck网络替换为渐进式特征金字塔(Asymptotic feature pyramid network,AFPN)网络,可以减少语义间隙,提高模型特征融合的稳定性。最后使用ANSYS仿真分析出不同成熟度苹果的最大安全采摘力,融合到柔性夹爪中实现低损采摘。在PApple_RGB-D-Size数据集中苹果分为食用成熟、采摘成熟、未成熟3类,改进后模型整体的平均精度均值(mAP@0.5)为87.7%;食用成熟、采摘成熟和未成熟的平均精度均值(AP@0.5)分别为86.6%、89.0%和87.5%;整体的mAP@0.5和3类成熟度的AP@0.5相较于YOLO 11n分别提高3.9、8.0、1.6、2.1个百分点。在Orchard apple maturity数据集中改进模型的mAP@0.5为95.5%,相较于YOLO 11n提高0.9个百分点。采摘实验中检测率、采摘成功率和损伤率分别为99.0%、84.0%和4.8%。