农业工程学报

作者：张睿,王骞,张延军,白峭峰,

关键词：卷积神经网络, 图像处理, 采摘, 密集场景, 多任务图像分割, 模型自适应压缩, 采摘点三维定位

基金：42

针对田间黄花菜采摘存在类间差异小、类内差异大、密集重叠导致定位难的问题，该研究提出一种融合多任务分割与自适应压缩的采摘点三维定位方法。首先，构建DaylilyPick-Net多任务分割网络，集成密集信息估计、多维信息增强融合、任务协同动态分割头等模块及动态损失权重策略，提升密集场景下的分割性能；其次，提出自适应调控剪枝策略（adaptive collabora-tive self-optimizing pruning，ACSP），融合层级动态自适应剪枝与全局增强蛇鹭优化算法，压缩模型同时维持精度；最后，进一步提出黄花菜三维采摘点定位及裁剪角度确定方法，融合分割掩码与深度信息实现采摘点三维定位与裁剪角度计算。结果表明，DaylilyPick-Net在田间密集黄花菜数据集上平均精度均值（mAP@50）、参数量、浮点计算量和平均帧率分别为59.62%、13.01 M、71.7 G和57 帧/s，优于YOLO系列等主流模型；ACSP在剪枝率为40%时mAP@50达60.31%；采摘点定位误差保持在0.30 cm以内。该研究可为密集场景下的农业采摘机器人提供一定的视觉感知技术支持。/

来源：2026年第4期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第4期