实时检测和识别梨树的主干及直立枝条，以实现自动休眠期修剪

自动修剪技术及算法优化研究，提出基于YOLOv5n与YOLOv8n-seg的实时检测方法，结合SENet和DSConv提升梨树枝干与直立枝分割精度，开发PRUNING_ROS系统，测试显示定位误差MAE3.71cm，修剪成功率47.6%。

　　

摘要

目的

休眠期修剪对于果树管理和保持果实品质至关重要。传统的人工修剪劳动强度大，这促使人们开始关注自动化的机器人休眠期修剪技术。然而，由于果园环境的复杂性和树枝的交错缠绕，自动化的机器人休眠期修剪在树干和树枝检测方面面临着重大挑战。本文提出了一种使用RGB-D相机实时检测和修剪梨树树干及直立树枝的自动方法。

方法

通过将You Only Look Once版本5 Nano（YOLOv5n）模型与Squeeze-and-Excitation Networks（SENet）结合并对锚框进行优化，实现了梨树树干的检测。对于树枝分割，采用了YOLOv8n-seg与Dynamic Snake Convolution（DSConv）和Focal Scale Intersection over Union（Focal_SIoU）相结合的方法。从生成的掩码图像中计算出树枝的角度，并利用深度信息确定修剪位置。开发了PRUNING_ROS软件包以应用于实时果园管理。

结果

评估结果显示，在测试数据集中，树干检测的平均精度（mAP）为96.7%，树枝分割的平均精度（mAP）为82.6%。现场测试表明，与人工测量相比，树干距离定位的平均绝对误差（MAE）为3.71厘米，均方根误差（RMSE）为3.84厘米，每秒帧数（FPS）为31.6帧。修剪点的MAE为2.3厘米（RMSE：2.6厘米），直立树枝角度的MAE为2.41°（RMSE：2.78°），FPS为36.2帧。现场修剪实验的修剪成功率为47.6%。

结论

该方法为果树修剪机器人的操作提供了技术支持，标志着果树管理向完全自动化迈出了重要一步。