
-
生物通官微
陪你抓住生命科技
跳动的脉搏
YOLO-TMD:一种用于番茄成熟度检测的RGB-D多模态网络
《Journal of Food Measurement and Characterization》:YOLO-TMD: an RGB-D multi-modal network for tomato maturity detection
【字体: 大 中 小 】 时间:2026年07月05日 来源:Journal of Food Measurement and Characterization 3.6
编辑推荐:
摘要番茄成熟度检测是实现智能采收和精准农业管理的重要基础。然而,在复杂的农田环境中,光照变化、物体遮挡以及背景干扰等因素都会对准确识别造成挑战。为了解决这些问题,本文提出了YOLO-TMD(番茄成熟度检测)这一基于YOLOv11的改进型多模态检测模型,该模型通过五种创新机制提升检
番茄成熟度检测是实现智能采收和精准农业管理的重要基础。然而,在复杂的农田环境中,光照变化、物体遮挡以及背景干扰等因素都会对准确识别造成挑战。为了解决这些问题,本文提出了YOLO-TMD(番茄成熟度检测)这一基于YOLOv11的改进型多模态检测模型,该模型通过五种创新机制提升检测性能:跨模态融合模块可实现RGB与深度特征的语义对齐与动态融合;C3k2-LGFC模块可增强RGB纹理与语义表达能力;C3k2-EPDC模块能强化深度几何结构与边缘特征建模;自适应融合动态采样模块可改善多尺度特征重建效果;而竞争频率注意力模块则能在频率与空间域共同优化关键特征。在RGB-D番茄数据集上的实验结果表明,YOLO-TMD的精确率为92.64%,召回率为92.82%,mAP50值为97.42%,mAP50:95值为82.62%,同时保持64.80 FPS的检测速度,其检测精度与稳定性均优于基准模型。消融实验进一步验证了各模块设计的有效性以及模型的稳定性。研究结果表明,YOLO-TMD能够在复杂的农田环境中识别处于不同成熟阶段的番茄,为智能采收系统提供了高效且可靠的技术解决方案。

番茄成熟度检测是实现智能采收和精准农业管理的重要基础。然而,在复杂的农田环境中,光照变化、物体遮挡以及背景干扰等因素都会对准确识别造成挑战。为了解决这些问题,本文提出了YOLO-TMD(番茄成熟度检测)这一基于YOLOv11的改进型多模态检测模型,该模型通过五种创新机制提升检测性能:跨模态融合模块可实现RGB与深度特征的语义对齐与动态融合;C3k2-LGFC模块可增强RGB纹理与语义表达能力;C3k2-EPDC模块能强化深度几何结构与边缘特征建模;自适应融合动态采样模块可改善多尺度特征重建效果;而竞争频率注意力模块则能在频率与空间域共同优化关键特征。在RGB-D番茄数据集上的实验结果表明,YOLO-TMD的精确率为92.64%,召回率为92.82%,mAP50值为97.42%,mAP50:95值为82.62%,同时保持64.80 FPS的检测速度,其检测精度与稳定性均优于基准模型。消融实验进一步验证了各模块设计的有效性以及模型的稳定性。研究结果表明,YOLO-TMD能够在复杂的农田环境中识别处于不同成熟阶段的番茄,为智能采收系统提供了高效且可靠的技术解决方案。
