该成果针对传统机器学习算法属人为设定条件存在的问题，我们以YOLOv5网络为基础网络，通过改进现有的目标检测模型，开发了一个细粒度、轻量级、易落地的果脸识别与定位系统。在应用上属于智慧农业—果品智能识别领域，在技术上属于基于深度学习的轻量化无损“果脸检测”模型研究。该成果属于AI领域中基于深度学习的目标检测的最新研究之一，以基于深度学习的目标检测最新研究YOLOv5网络为基础，提出一种适合细粒度图像的果脸识别超轻量级模型。相比于其它网络，降低了对图像的预处理需求，采用“一步走”策略，于一次回归中完成bounding box定位、目标置信度和分类工作，在提高分类速度方面形成突破。针对CNN网络难以从细粒度图像大量相似特征中提取少量具有判别性特征的问题，引入了CA注意力机制，构建了一种针对猕猴桃品种和产地的细粒度模型及数据集。突破了深度卷积神经网络在提升细粒度果脸图像识别准确度方面的限制，解决了现有水果识别方法一般只识别到“属”或“类”的问题，为未来果品无损溯源提供了有效的技术与数据支撑。该研究成果可应用于田间机器人自动准确采摘、果品无损溯源、果品采后分级分类处理、无人超市水果自助销售等方面，具有极大的应用前景，在节约人力资源、提高效率的农业果品应用中具有良好的推广价值及社会经济效益。该成果已获得第二十三届中国机器人及人工智能大赛陕西省一等奖及2021中国高校计算机大赛-人工智能创意赛西北赛区二等奖，2个赛事均已取得进入国赛资格。实审中专利1项，软件著作权1项。

联系人：杨会君     联系电话：029-87082848