摘要：成熟度是影響水果產(chǎn)量和品質的關鍵因素，為實現(xiàn)對自然環(huán)境下油桃成熟度的高效檢測，提出一種改進YOLOv5s模型的檢測方法。首先，將原始模型頸部的特征金字塔結構替換成BiS特征金字塔結構，從而提高模型對成熟度特征的融合和提取能力；然后，利用QFocal Loss損失函數(shù)將目標邊界框估計與分類評分整合在一起，從而解決訓練樣本中正負樣本比例失衡的問題；最后，將CIoU-NMS作為模型的非極大值抑制方法，提升模型對遮擋和重疊果實的檢測效果。在自制的油桃果實數(shù)據(jù)集上試驗結果表明，改進后的YOLOv5s-BQC模型mAP值達到91.7%，比原模型提升2.3%，精確度和召回率分別也提升0.9%和0.7%。相較其他主流模型，具有更好的檢測性能，能夠在復雜背景中準確定位油桃果實，進行成熟度分類，滿足油桃成熟度實時檢測的要求，為農業(yè)監(jiān)測和智能采摘提供技術支持。

關鍵詞：油桃；成熟度檢測；YOLOv5s；特征金字塔結構；損失函數(shù)；非極大值抑制

中圖分類號：S662.1； TP391.4" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2024） 09?0250?08

Maturity detection method of nectarine in natural environment based on improved YOLOv5s

Song Lihang， Zhang Yi， Shi Yinhao

（School of Mechanical Engineering and Rail Transit， Changzhou University， Changzhou， 213164， China）

Abstract： Maturity is a key factor affecting fruit yield and quality. In order to realize the efficient detection of nectarine maturity in natural environment， an improved detection method of YOLOv5s model is proposed. Firstly， the feature pyramid structure of the original model neck is replaced by the BiS feature pyramid structure， so as to improve the fusion and extraction ability of maturity feature of the model." Then， the QFocal Loss loss function is used to integrate the target bounding box estimation and classification score together， so as to solve the problem of imbalance in the proportion of positive and negative samples in the training samples." Finally， CIoU-NMS is used as the non?maximum suppression method of the model to improve the detection effect of the model on occlusion and overlapping fruits. The experimental results on the self?made nectarine fruit data set show that the mAP value of the improved YOLOv5s-BQC model reaches 91.7%， which is 2.3% higher than the original model， and the precision value and recall value are also increased by 0.9% and 0.7%， respectively. Compared with other mainstream models， it has better detection performance， can accurately locate nectarine fruits in complex backgrounds， and perform maturity classification， which can meet the requirements for real?time detection of nectarine maturity， and provide technical support for agricultural monitoring and intelligent picking.

Keywords： nectarines; maturity detection; YOLOv5s; feature pyramid structure ; loss function; non?maximum suppression

0 引言

隨著農業(yè)機械化水平的提高，發(fā)展智慧農業(yè)成為我國實現(xiàn)農業(yè)長遠發(fā)展的必由之路[1]。油桃作為我國重要的新型果樹，通過現(xiàn)代化的種植和采摘方式，它的產(chǎn)能也在逐步提高。成熟度低的油桃果實后熟進程緩慢，商品性不佳，而成熟度高的果實雖已達到鮮食最佳程度，但貯藏后營養(yǎng)物質快速消耗，失去其商品性[2?4]。因此，合適的采收成熟度對提高油桃的耐貯性和儲藏后商品價值來說至關重要。

目前，已有許多學者對油桃果實成熟度檢測展開了研究。如Munera等[5]采集油桃果實在成熟過程中完整的高光譜圖像，利用偏最小二乘回歸方法，將油桃的光譜信息與油桃的成熟度感官感知聯(lián)系起來，實現(xiàn)了油桃成熟狀態(tài)的可視化檢測；Zerbini等[6]利用時間分辨反射光譜（TRS）建立收獲時不同成熟度的油桃果實軟化模型，以評估不同成熟度果實的采收期。這些檢測技術都是通過光譜反射來實現(xiàn)的，檢測速度較慢，精度不高，在復雜的自然場景下還不能得到應用。

近年來，許多學者將機器視覺運用到農業(yè)目標檢測領域中，并且都獲得不錯的檢測精度。目標檢測模型主要分為基于候選框的二階段檢測模型和基于回歸的一階段檢測模型[7]。其中，標志性的二階段檢測模型主要有Faster R-CNN[8]模型和Mask R-CNN[9]模型，一階段檢測算法主要有YOLO[10]模型和SSD[11]模型。宋中山等[12]提出一種基于二值化的Faster R-CNN區(qū)域檢測神經(jīng)網(wǎng)絡模型，該方法對復雜自然環(huán)境下的柑橘葉片病害檢測具有較好的識別速度和魯棒性，對柑橘類疾病預防有重要的研究意義；岳有軍等[13]在Mask R-CNN模型上增加邊界加權損失函數(shù)，使蘋果邊界檢測結果更為精確，為蘋果采摘機器人提供技術支持。付中正等[14]通過特征輔助學習法更改訓練集的組成，使SSD模型學習到較為完整的西蘭花葉片邊緣特征和葉片遮擋特征，實現(xiàn)對復雜環(huán)境下西蘭花葉片的高精度檢測。二階段檢測模型是先生成預選框后，再進行更細致的物體檢測，檢測時間較長；一階段檢測模型是直接提取特征來預測物體類別和位置的，具有很好的檢測效率和適配性。

本文針對自然環(huán)境下油桃成熟度檢測方法中出現(xiàn)的漏檢、誤檢等問題，使用一階段目標檢測模型YOLOv5s進行相關改進，使其對復雜的自然環(huán)境下的小目標、遮擋目標和重疊目標檢測中取得更好的效果，為快速準確檢測油桃成熟度提供新思路。

1 YOLOv5s目標檢測模型

根據(jù)網(wǎng)絡模型深度和寬度，YOLOv5可以分為四種版本：YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x，其中YOLOv5s是YOLOv5系列中網(wǎng)絡模型深度和寬度最小的網(wǎng)絡，且處理速度最快，模型體積最小，方便在移動端上部署[7]。本文選擇在v6.1版本的YOLOv5s檢測模型的基礎上進行相關優(yōu)化改進。

YOLOv5s的網(wǎng)絡模型結構主要包括4個部分：輸入端（Input）、主干網(wǎng)絡（Backbone）、頸部（Neck）和輸出端（Output），其網(wǎng)絡結構如圖1所示。輸入端主要包括輸入圖片的預處理和自適應錨框計算，主干網(wǎng)絡利用下采樣模塊、C3模塊以及SPPF模塊進行特征提取，頸部主要采用FPN和PAN組合的特征金字塔結構對不同層級的信息進行特征融合，輸出端是對包含預測框類別、置信度和位置信息的向量輸出，采用鄰域正負樣本分配策略，加速收斂，提高檢測精度。

2 改進的YOLOv5s模型

2.1 特征金字塔結構的改進

YOLOv5s模型頸部使用的特征金字塔結構特征融合相對簡單，在自然環(huán)境下，綠葉、樹干、天空等干擾物會導致模型對油桃成熟度的特征提取相對不完整，導致模型識別精度降低。首先引入一種集成雙向跨尺度連接和快速歸一化融合的加權雙向特征金字塔網(wǎng)絡，即BiFPN[15]，其結構如圖2所示。

為了增強有用特征融合的同時避免增加過多參數(shù)量和計算量，故只使用一次三輸入的BiFPN結構。該結構在實際融合過程中，雖然已經(jīng)引入可訓練權重值來調節(jié)不同特征的貢獻程度，但本文希望在網(wǎng)絡的頸部特征融合中能夠減少復雜的自然背景信息的干擾，更加強調圖像中感興趣的油桃目標，增強對小目標的檢測能力，所以在BiFPN結構中融入SE（Squeeze?and?Excitation）注意力機制模塊[16]。該模塊主要包含擠壓（Squeeze）和激勵（Excitation）操作。對于任何特征映射輸入Uc，首先對其進行擠壓操作，即對特征圖采用全局平均池化GAP得到特征向量Mc。之后，執(zhí)行激勵操作，即特征向量Mc經(jīng)全連接層FC進行C/r的降維，通過ReLu函數(shù)激活，再經(jīng)全連接層FC升維，最終用Sigmoid激活函數(shù)計算得到對應的權重值Nc。兩個操作結束后，進行特征重標定操作，即通過乘法將前面得到的歸一化權重Nc加權到輸入特征Uc上。整個過程計算式為

SE模塊被看作是一個獨立的計算單元，用來增強網(wǎng)絡中特征表達能力，可以輸出與輸入中間特征張量大小相同的張量，原作者是將該模塊運用到VGGNet和ResNet-50網(wǎng)絡中，并且都取得不錯的效果。基于此思想，本文將該模塊加入到BiFPN結構中的上下采樣模塊之后，形成BiS特征金字塔結構（圖3）。

該結構將主干網(wǎng)絡第4層、第6層和第9層的3種不同尺度的特征映射輸出作為輸入，中間層P4的兩個新特征融合過程的計算式為

2.2 損失函數(shù)的改進

損失函數(shù)是深度學習中不可或缺的要素，是模型訓練后用來衡量預測框和真實框之間差距程度的，極大程度上決定了模型的性能。YOLOv5s模型使用定位損失（Localization Loss）、分類損失（Classification Loss）和目標置信度損失（Confidence Loss）三種損失函數(shù)。定位損失函數(shù)通過CIoU Loss來計算的，而分類損失和目標置信度損失則是通過二元交叉熵函數(shù)BCEWithLogitsLoss來計算的。

在模型的訓練階段，由于會出現(xiàn)輸入圖片中目標區(qū)域和非目標區(qū)域占比極度失衡的情況，導致訓練樣本的類別分配不均勻，為了解決該問題，有學者提出基于二元交叉熵函數(shù)優(yōu)化的Focal Loss （FL）損失函數(shù)[17]。雖然該損失函數(shù)能夠解決訓練樣本中正負樣本比例嚴重失衡的問題，但是在實際使用時，目標邊界框和分類評分僅在推理過程中共同協(xié)助工作，在訓練過程中還是獨自工作，這會導致推理時部分負樣本代替正樣本，使訓練和推理之間產(chǎn)生一定差距，影響模型的檢測性能。

針對上述問題，QFocal Loss （QFL）損失函數(shù)[18]對FL損失函數(shù)進行擴展改進。本文借助QFL的思想，把分類評分在真實框類別處的值用IoU來表示，如圖4所示，將目標邊界框估計與分類評分整合為一個統(tǒng)一的變量，并且可以以端到端方式訓練該變量，同時在推理過程中也直接用該變量，這樣既可以兼顧對正負樣本權重的平衡，又可以消除訓練和推理過程中的不一致的問題，進一步提升算法對油桃成熟度檢測的準確率。QFL計算式為

2.3 非極大值抑制的改進

在目標檢測的后處理階段，一張圖片會輸出多個候選的預測框，需要使用非極大值抑制操作（Non Maximum Suppression， NMS）得到檢測框，但是該方法僅僅是通過交并比IoU來評估這些預測框的重疊度，當遇到油桃果實目標遮擋或重疊的復雜情況時，IoU對預測框尺寸和距離的計算效果較差，無法精確的反映預測框之間的重疊度大小，容易產(chǎn)生錯誤抑制，造成漏檢的情況?？紤]到自然環(huán)境下油桃果實的密集性和重疊度，本文將CIoU（Complete IoU）[19]融入到NMS操作中，代替交并比IoU作為衡量預測框之間相似度的指標，其原理如圖5所示，IoU和CIoU的計算式為

當模型檢測出一個預測框集Bi和類別置信度最高的預測框M時，將RCIoU帶入到不同成熟度類別評分Scoref中計算，就有了CIoU-NMS方法，該方法認為盡管相距很近的預測框也可能會位于不同的目標檢測對象上，不需要被移除，減少漏檢概率，最終能夠更加精準地回歸預測框，計算式為

3 試驗與結果分析

3.1 數(shù)據(jù)集

使用的數(shù)據(jù)集是由果園實地拍攝的油桃圖像和Kaggle網(wǎng)站提供的fruit262數(shù)據(jù)集組成，包含未成熟（低熟）、剛成熟（中熟）、完全成熟（高熟）三種果實，共選取1 151張油桃果實原始圖像，如圖6所示。這三類不同成熟度的油桃果實是根據(jù)果實表面顏色和紋理進行判別分級的，并且本文的模型也是基于根據(jù)此判別依據(jù)標注形成的數(shù)據(jù)集進行訓練得到的。表面大面積呈現(xiàn)綠色的果實被判別為低熟的油桃果實，這類果實具有較高的硬度和酸澀的口感，需要繼續(xù)生長。表面大面積呈現(xiàn)亮紅色且中間夾雜著綠色或黃色紋理的果實被判別為中熟的油桃果實，這類果實已經(jīng)開始變得柔軟，口感微甜，可以按需采摘。表面大面積呈現(xiàn)深紅色的果實被判別為高熟的油桃果實，這類果實具有柔軟、多汁的口感，需要及時采摘。

實地拍攝圖像的采集地為常州市武進區(qū)前黃鎮(zhèn)油桃種植園，共采集到包含不同成熟度的油桃果實原始圖像946張，圖像采集所用的設備為Xiaomi 12S Ultra手機，圖像格式為JPG，并且為了減少圖像在網(wǎng)絡模型輸入端中縮放、填充等預處理的時間，采集設備的分辨率選擇為3 472像素×3 472像素，分別在晴天與陰天的不同自然光照條件下對油桃樹冠進行拍攝，拍攝距離分別為距離樹冠0.4 m和1.0 m。此外，按照同樣的標準在fruit262數(shù)據(jù)集中選取205張油桃果實原始圖像，以防止訓練數(shù)據(jù)量過少引起過擬合的問題。

針對訓練后的模型出現(xiàn)泛化和實際使用能力的缺失問題，本文使用imgaug庫對1 151張原始圖片進行數(shù)據(jù)擴充，隨機組合使用翻轉、縮放、添加各種濾波和高斯噪聲、微調對比度和像素值等方法進行數(shù)據(jù)增強，豐富樣本的多樣性，如圖7展示數(shù)據(jù)增強后的效果，每張原始圖像都生成2張新圖像，并進行人工篩選，最后挑選出符合條件的3 426張圖片作為最終數(shù)據(jù)集。

對數(shù)據(jù)集進行整理標注，本文將油桃果實的成熟度分為3個標簽等級：低熟（Low_Ripeness）、中熟（Medium_Ripeness）、高熟（High_Ripeness），通過labelImg數(shù)據(jù)標注工具對每張圖像中不同成熟度的油桃果實進行標注。將數(shù)據(jù)集按照8∶1∶1的比例隨機劃分為訓練集、驗證集、測試集，具體信息如表1所示。

3.2 模型評估

采用目標檢測模型的評估指標有精確度P（Precision）、召回率R（Recall）、平均精度AP（Average Precision）、三種不同成熟度的平均精度均值mAP（mean Average Precision）、每秒檢測幀數(shù)FPS（Frames Per Second）、計算量、模型大小。精確度P指所有預測為正樣本的結果中，預測正確的比例，召回率R指所有正樣本被預測正確的比例，AP指P-R曲線與坐標軸形成的面積，mAP指三個類別AP的平均值，F(xiàn)PS指模型進行圖像預處理、推理以及后處理的總速度，模型大小指模型訓練結束后所占的內存大小。

3.3 試驗環(huán)境與參數(shù)設置

試驗環(huán)境配置如表2所示。

在模型訓練前，由于YOLOv5s的原始先驗錨框參數(shù)是基于COCO數(shù)據(jù)集設定的，不滿足本文油桃成熟度檢測的實際需要，所以本文重新設定先驗錨框的大小，即使用K-Means算法對先驗框尺寸進行計算，重新計算后的錨框尺寸如表3所示。

整體試驗訓練框架如圖8所示，訓練采用的優(yōu)化器為SGD，動量因子設置為0.937，weight_decay（優(yōu)化器衰減權重系數(shù)）設置為0.000 5，Batch_size（批量大?。┰O置為32，Epoch（迭代輪數(shù)）設置為400，采用余弦退火策略動態(tài)調整學習率，初始學習率設置為0.01。

3.4 試驗結果分析

YOLOv5s模型和改進后的YOLOv5s-BQC模型均使用相同的數(shù)據(jù)集和參數(shù)進行訓練，模型訓練損失值對比如圖9所示。

可以看出，YOLOv5s-BQC模型在前100次迭代過程中，損失值出現(xiàn)急劇下降，在之后的訓練過程中下降緩慢，當Epoch達到360左右時，Loss曲線趨于收斂，整體訓練過程未出現(xiàn)過擬合現(xiàn)象，較YOLOv5s模型收斂更迅速、Loss值更小，證明模型的收斂能力在原損失函數(shù)改進后得到了優(yōu)化，訓練效果較為理想。

3.4.1 消融試驗

提出的三種改進方法分別是B（BiS結構）、Q（QFocal Loss）、C（CIoU-NMS）。為了驗證它們對優(yōu)化YOLOv5s模型性能的有效性，對不同的改進部分進行消融試驗，試驗結果如表4所示。在原始模型頸部使用BiS特征金字塔結構，提高了模型對油桃成熟度的特征提取和融合能力，使得模型在計算量和模型大小僅增加0.6 GFLOPS和0.2 MB的情況下，精確度P和平均精度均值mAP大幅度提升0.5%和1.4%。引入QFocal Loss來計算分類損失和目標置信度損失，使模型在訓練時著重對困難的樣本進行學習，使得mAP在原基礎上又提升0.5%，但每秒檢測幀數(shù)FPS減少了11。在后處理過程中使用CIoU-NMS方法，使模型對于的密集和遮擋的檢測任務具有更好的預測效果，減少漏檢概率，使召回率R和平均精度均值mAP又提升0.5%和0.4%。

因此，改進后的YOLOv5s-BQC模型的mAP值達到91.7%，比原始YOLOv5s高2.3%，精確度P和召回率R均提升0.5%以上，計算量和模型大小有少量增加，導致每秒檢測幀數(shù)FPS有所下降，但每秒還能檢測112張圖片，能夠在保證實時性的同時有著更高的檢測精度。

3.4.2 對比試驗

為驗證本文改進算法模型的有效性，將改進后的YOLOv5s-BQC模型與主流檢測模型Faster R-CNN、SSD、YOLOX、YOLOv7-tiny進行對比試驗，試驗結果如圖10和表5所示。

從表5可以看出，改進后的YOLOv5s-BQC模型相較于其他模型，在檢測精度和綜合性能方面表現(xiàn)最佳。在檢測3種不同成熟度油桃時，該模型的平均精度AP均優(yōu)于其他模型，特別是主流模型檢測效果不佳的中熟油桃果實，平均精度AP最高提高了11.9%。與Faster R-CNN和SSD相比，該模型在保證計算量遠低于它們的情況下，其精確度P分別比Faster R-CNN和SSD高36.3%和13%，且模型大小也僅為它們的14%左右，精度與體積的優(yōu)勢較為明顯。與YOLOX相比，雖然兩者在檢測精度方面差距不大，但YOLOv5s-BQC的每秒檢測幀數(shù)FPS為YOLOX的2倍左右，檢測速度更快。在計算量和模型大小方面，YOLOv7-tiny相較該模型具有少量優(yōu)勢，但在召回率R和平均精度均值mAP方面，YOLOv5s-BQC比YOLOv7-tiny高1.1%和5.0%，具有更好的檢測精度。

綜上所述，改進后的YOLOv5s-BQC模型在各方面均優(yōu)于主流檢測模型，精確度P、召回率R和mAP值分別達到88.9%、85.8%和91.7%，同時具有較高的檢測速度，每秒檢測幀數(shù)FPS達到112，能夠對油桃果實進行實時檢測，并且模型體積僅為14.1 MB，可以輕松嵌入移動端，在復雜自然環(huán)境下能更好地完成油桃果實成熟度檢測的任務。

為了更直觀地表現(xiàn)改進前后模型檢測效果的差異，隨機選取測試集中的圖片用2種模型進行檢測，圖11（a）是原始YOLOv5s模型檢測效果圖，圖11（b）是改進后的YOLOv5s-BQC模型檢測效果圖?？梢钥闯?，原始模型對油桃目標存在一定的漏檢和誤檢的情況，而YOLOv5s-BQC模型能夠在綠葉、樹干、天空等各類復雜背景下，將油桃果實準確定位，識別成熟程度，尤其是出現(xiàn)果實重疊情況，相較原算法有更好的定位和識別效果，有效避免了漏檢、誤檢的現(xiàn)象。

4 結論

1） 由于傳統(tǒng)油桃成熟度檢測方法速度較慢、精度不高，本文提出一種基于YOLOv5s模型改進后的YOLOv5s-BQC模型，實現(xiàn)在自然環(huán)境中對油桃成熟度的高效檢測。改進主要是通過使用BiS特征金字塔結構、QFocal Loss損失函數(shù)以及CIoU-NMS非極大值抑制方法來提高模型對油桃果實成熟度的檢測能力，使模型在充滿干擾物的自然環(huán)境下對小目標、遮擋目標和重疊目標檢測中取得更好的效果，對農業(yè)監(jiān)測和智能采摘具有重要意義。

2） 通過試驗結果分析，改進后的模型與原始模型相比，訓練效果更為理想，平均精確均值度提高2.3%，達到91.7%，精確度和召回率分別達到88.9%和85.8%，每秒能夠處理112張圖片，參數(shù)量和計算量并無較大提高，模型體積也僅為14.1 MB。同時，改進后的模型與主流檢測模型Faster R-CNN、SSD、YOLOX、YOLOv7-tiny進行對比，該模型的各方面性能也都優(yōu)于主流模型，滿足在自然環(huán)境中對油桃成熟度檢測的實時性和準確性的需求。

3） 后續(xù)將繼續(xù)研究如何在保證YOLOv5s-BQC模型檢測精度的前提下進一步優(yōu)化檢測速度和模型體積，還將在成熟度檢測實際應用中研究如何把模型部署在移動端。

參 考 文 獻

[ 1 ] 韓守振， 柳洪芳， 柳洪德. 智慧農業(yè)的發(fā)展現(xiàn)狀與研究[J]. 現(xiàn)代化農業(yè)， 2022（2）： 42-45.

[ 2 ] 王田利. 我國油桃產(chǎn)業(yè)發(fā)展、變化及特點分析[J]. 山西果樹， 2015（1）： 15-16.

[ 3 ] Casagrande E， M Génard， Lurol S， et al. A process?based model of nectarine quality development during pre?and post?harvest [J]. Postharvest Biology and Technology， 2021， 175： 111458.

[ 4 ] 焦旋， 高陽， 高振峰， 等. 壓差預冷對油桃貯運品質及抗氧化性的影響[J]. 食品與發(fā)酵工業(yè)， 2020， 46（22）： 173-179.

[ 5 ] Munera S， Amigo J M， Blasco J， et al. Ripeness monitoring of two cultivars of nectarine using VIS?NIR hyperspectral reflectance imaging [J]. Journal of food engineering， 2017， 214： 29-39.

[ 6 ] Zerbini P E， Vanoli M， Grassi M， et al. A model for the softening of nectarines based on sorting fruit at harvest by time?resolved reflectance spectroscopy [J]. Postharvest Biology amp; Technology， 2006， 39（3）： 223-232.

[ 7 ] 王玲敏， 段軍， 辛立偉. 引入注意力機制的YOLOv5安全帽佩戴檢測方法[J]. 計算機工程與應用， 2022， 58（9）： 303-312.

Wang Lingmin， Duan Jun， Xin Liwei. YOLOv5 helmet wear detection method with introduction of attention mechanism [J]. Computer Engineering and Applications， 2022， 58（9）： 303-312.

[ 8 ] Ren S， He K， GirshickR， et al. Faster R?CNN： Towards real?time object detection with region proposal networks [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017， 39（6）： 1137-1149.

[ 9 ] He K， Gkioxari G， Dollar P， et al. Mask R?CNN [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2020， 42（2）： 386-397.

[10] Redmon J， Divvala S， GirshickR， et al. You only look once： Unified， real?time object detection [C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition， 2016： 779-788.

[11] Liu W， Anguelov D， Erhan D， et al. SSD： Single shot multibox detector [C]. European Conference on Computer Vision. Springer， Cham， 2016： 21-37.

[12] 宋中山， 汪進， 鄭祿， 等. 基于二值化的Faster R-CNN柑橘病蟲害識別研究[J]. 中國農機化學報， 2022， 43（6）： 150-158.

Song Zhongshan， Wang Jin， Zheng Lu， et al. Research on citrus pest identification based on binary Faster R-CNN [J]. Journal of Chinese Agricultural Mechanization， 2022， 43（6）： 150-158.

[13] 岳有軍， 田博凱， 王紅君， 等. 基于改進Mask RCNN的復雜環(huán)境下蘋果檢測研究[J]. 中國農機化學報， 2019， 40（10）： 128-134.

Yue Youjun， Tian Bokai， Wang Hongjun， et al. Research on apple detection in complex environment based on improved Mask RCNN [J]. Journal of Chinese Agricultural Mechanization， 2019， 40（10）： 128-134.

[14] 付中正， 何瀟， 方逵， 等. 基于改進SSD網(wǎng)絡的西蘭花葉片檢測研究[J]. 中國農機化學報， 2020， 41（4）： 92-97.

Fu Zhongzheng， He Xiao， Fang Kui， et al. Study on the detection of broccoli leaves based on the improved SSD network [J]. Journal of Chinese Agricultural Mechanization， 2020， 41（4）： 92-97.

[15] Tan M， Pang R， Le Q V. EfficientDet： Scalable and efficient object detection [C]. 2020 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. IEEE， 2020.

[16] Hu J， Shen L， Albanie S， et al. Squeeze?and?excitation networks [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017： 7132-7141.

[17] Lin T Y， Goyal P， Girshick R， et al. Focal loss for dense object detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017： 2999-3007.

[18] LI X， WANG W H， WU L J， et al. Generalized focal loss： Learning qualified and distributed bounding boxes for dense object detection [J]. arXiv preprint arXiv， 2006. 04388， 2020.

[19] Zheng Z， Wang P， Liu W， et al. Distance?IoU loss： Faster and better learning for bounding box regression [J]. arXiv preprint arXiv： 1911. 08287， 2019.