[1]范哲超,魏泽,张俊楠.基于改进YOLO v10n的番茄成熟度识别算法[J].江苏农业科学,2026,54(12):30-38.
　Fan Zhechao,et al.A recognition algorithm for tomato maturity based on improved YOLO v10[J].Jiangsu Agricultural Sciences,2026,54(12):30-38.
点击复制

基于改进YOLO v10n的番茄成熟度识别算法()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第54卷
期数:
2026年第12期
页码:
30-38
栏目:
机器视觉与农业智能感知
出版日期:
2026-06-20

文章信息/Info

Title:
A recognition algorithm for tomato maturity based on improved YOLO v10
作者:
范哲超; 魏泽; 张俊楠
内蒙古机电职业技术学院电气工程系，内蒙古呼和浩特 010070
Author(s):
Fan Zhechao; et al
关键词:
YOLO v10n; 注意力机制; 番茄; 成熟度; 目标检测
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
番茄成熟度识别是番茄自动采摘的核心技术，当前该领域面临检测精度较低与模型参数量过大的双重瓶颈，严重影响技术实用效率。为解决此问题，以YOLO v10n为基准模型，提出一种兼顾检测精度与轻量化需求的改进算法。借鉴Ghostnet网络的特征压缩思想，将G3Ghost与GhostConv模块融入模型主干网络及颈部网络，在保证特征提取有效性的同时降低模型冗余参数量；引入D-LKA注意力机制，强化模型对关键特征的聚焦能力，重点提升小目标番茄的检测性能，减少漏检现象；采用EIoU损失函数替代YOLO v10n原有的CIoU损失函数，进一步加快模型训练收敛速度并提升检测精度。在相同参数设置的对比试验中，所提出的改进模型能够准确识别出未成熟、半成熟、成熟3个阶段的番茄，并且在精确度、召回率及平均精度均值(mAP)上均优于其他对比模型，分别达到90.7%、87.8%、952%。改进模型参数量为3.04 M，小于大部分对比模型。
Abstract:
-

参考文献/References:

［1］孙永珍，贺靖，魏芳，等. “十三五”我国番茄产业发展及其国际竞争力评价［J］. 中国瓜菜，2023，36(1)：112-116.
［2］Wu S X，Su H，Gao F Y，et al. An insight into the prevention and control methods for bacterial wilt disease in tomato plants［J］. Agronomy，2023，13(12)：3025-3035.
［3］刘胤池，程旭，芦天罡，等. 农业机器人技术发展现状及趋势［J］. 农业工程，2025，15(6)：14-18.
［4］柳军，周成钢，皮杰，等. 农业机器人感知关键技术研究现状与发展趋势［J］. 农机化研究，2025，47(5)：1-8.
［5］孙宇朝，李守豪，夏秀波，等. 利用改进YOLO v5s模型检测番茄果实成熟度及外观品质［J］. 园艺学报，2024，51(2)：396-410.
［6］张润池，周云成，侯玉涵，等. 基于超深掩蔽与改进YOLO v8的不同成熟度番茄计数方法［J］. 农业工程学报，2024，40(24)：146-15.
［7］杨坚，钱振，张燕军，等. 采用改进YOLO v4-tiny的复杂环境下番茄实时识别［J］. 农业工程学报，2022，38(9)：215-221.
［8］Shabani M，Abdel-mawgood A，Shimada A，et al. Tomato quality classification based on transfer learning feature extraction and machine learning algorithm classifiers［J］. IEEE Access，2024，12：12345-12356.
［9］梁敖，代东南，牛思琪，等. 基于改进YOLO v5s的草莓成熟度实时检测算法［J］. 山东农业科学，2024，56(11)：156-163.
［10］Ren S Q，He K M，Girshick R，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.
［11］Xu X Y，Zhao M，Shi P X，et al. Crack detection and comparison study based on faster R-CNN and mask R-CNN［J］. Sensors，2022，22(3)：1215.
［12］Khan A，Hassan T，Shafay M，et al. Tomato maturity recognition with convolutional transformers［J］. Scientific Reports，2023，13：22885.
［13］刘凯越，吴建军，李智慧，等. YOLO-Vega：一种面向复杂环境的轻量级番茄检测模型［J］. 计算机工程与应用，2025，1(2)：1-15.
［14］廖新芝，孔国希，林桂潮，等. 基于CBAM-YOLO v8的温室番茄果实识别［J］. 中国瓜菜，2025，38(9)：48-56.
［15］顾文娟，刘浩状，魏金，等. 基于FPBW-YOLO v8的复杂场景下番茄果实识别方法［J］. 农业机械学报，2025，56(8)：467-478.
［16］陈翠琴，孟清. 基于图像处理技术的棚室番茄果实识别［J］. 农机化研究，2025，47(1)：189-193.
［17］张俊宁，闫英，胡欢，等. 基于Sim-YOLO的复杂背景下樱桃番茄多目标检测［J］. 中国农机化学报，2025，46(3)：238-245.
［18］吴秀君，丁琼. 基于改进YOLO v5的番茄品质识别技术［J］. 农业工程，2025，15(3)：34-40.
［19］刘坤，吉宏亚，黄程菲，等. 基于改进YOLO v5s的番茄成熟度识别技术研究［J］. 中国农机化学报，2025，46(5)：79-85.
［20］Wang A，Chen H，Liu L H，et al. YOLO v10：real-time end-to-end object detection［C］//Advances in Neural Information Processing Systems. Vancouver：Neural Information Processing Systems Foundation，2024，37：107984-108011.
［21］Han K，Wang Y，Tian Q，et al. Ghostnet：more features from cheap operations［C］// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.Seattle，WA，USA：IEEE，2020：1580-1589.
［22］He K M，Zhang X Y，Ren S Q，et al. Deep residual learning for image recognition［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas，NV，USA：IEEE，2016：770-778.
［23］Olorunshola O E，Irhebhude M E，Evwiekpaefe A E. A comparative study of YOLO v5 and YOLO v7 object detection algorithms［J］. Journal of Computing and Social Informatics，2023，2(1)：1-12.
［24］Azad R，Niggemeier L，Hüttemann M，et al. Beyond self-attention：deformable large kernel attention for medical image segmentation［C］//Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision.Seattle，WA，USA：IEEE，2024：1287-1297.
［25］Zhang Y F，Ren W Q，Zhang Z，et al. Focal and efficient IOU loss for accurate bounding box regression［J］. Neurocomputing，2022，506：146-157.

相似文献/References:

[1]张会敏,谢泽奇,张善文.基于注意力胶囊网络的作物病害识别方法[J].江苏农业科学,2022,50(6):101.
　Zhang Huimin,et al.Study on crop disease recognition method based on attention capsule network[J].Jiangsu Agricultural Sciences,2022,50(12):101.
[2]李萍,邵彧,齐国红,等.基于跨深度学习模型的作物病害检测方法[J].江苏农业科学,2022,50(8):193.
　Li Ping,et al.Crop disease detection method based on cross deep learning model[J].Jiangsu Agricultural Sciences,2022,50(12):193.
[3]荣民希,班彬,王智峥,等.基于Macbm-RCNN的叶片周长和面积测量方法[J].江苏农业科学,2022,50(13):199.
　Rong Minxi,et al.Measurement method of leaf circumference and area based on Macbm-RCNN[J].Jiangsu Agricultural Sciences,2022,50(12):199.
[4]崔艳荣,卞珍怡,高英宁.基于生成对抗网络的花卉识别方法[J].江苏农业科学,2022,50(22):200.
　Cui Yanrong,et al.Flower recognition method based on generative adversarial networks[J].Jiangsu Agricultural Sciences,2022,50(12):200.
[5]温艳兰,陈友鹏,王克强,等.基于迁移学习和改进残差网络的复杂背景下害虫图像识别[J].江苏农业科学,2023,51(8):171.
　Wen Yanlan,et al.Recognition of pest images under complex background based on transfer learning and improved residual network[J].Jiangsu Agricultural Sciences,2023,51(12):171.
[6]马驰,吴华瑞,于会山.基于YOLOX的穴盘甘蓝病害检测方法[J].江苏农业科学,2023,51(8):193.
　Ma Chi,et al.Detection method of cabbage disease based on YOLOX[J].Jiangsu Agricultural Sciences,2023,51(12):193.
[7]赵嘉威,田光兆,邱畅,等.基于改进YOLOv4算法的苹果叶片病害检测方法[J].江苏农业科学,2023,51(9):193.
　Zhao Jiawei,et al.Detection method of apple leaf diseases based on improved YOLOv4 algorithm[J].Jiangsu Agricultural Sciences,2023,51(12):193.
[8]温钊发,蒲智,程曦,等.基于轻量级MIE_Net的田间农作物病害识别[J].江苏农业科学,2023,51(10):176.
　Wen Zhaofa,et al.Field crop disease identification based on lightweight MIE_Net[J].Jiangsu Agricultural Sciences,2023,51(12):176.
[9]沈志豪,刘金江,张建洋.基于改进YOLOX-s的田间麦穗检测及计数[J].江苏农业科学,2023,51(12):164.
　Shen Zhihao,et al.Detection and counting of wheat ears in field based on improved YOLOX-s[J].Jiangsu Agricultural Sciences,2023,51(12):164.
[10]曾晏林,贺壹婷,蔺瑶,等.基于BCE-YOLOv5的苹果叶部病害检测方法[J].江苏农业科学,2023,51(15):155.
　Zeng Yanlin,et al.An apple leaf disease detection method based on BCE-YOLOv5[J].Jiangsu Agricultural Sciences,2023,51(12):155.

备注/Memo

备注/Memo:
收稿日期：2025-09-23
基金项目：内蒙古自治区自然科学基金(编号：2025MS05032)；内蒙古机电职业技术学院院级科研项目(编号：NJDZR2506)。
作者简介：范哲超(1983—)，男，内蒙古乌兰察布人，硕士，教授，研究方向为农业自动化。E-mail：4168365@qq.com。
更新日期/Last Update: 2026-06-20