《Smart Agricultural Technology》：A Lightweight Multi-View Detection and Counting Method for Real-Time Cherry Tomato Yield Estimation Using Greenhouse Inspection Robots
编辑推荐：
作物产量预测是动态调整采收计划及减少生产损失的关键措施之一。为满足温室复杂环境下番茄多目标实时检测与精确计数的生产需求，本研究提出一种轻量级"检测–跟踪–计数–补偿"级联网络框架，经优化可部署于巡检机器人。首先设计稀疏卷积模块(G-FConv)与轻量级多尺度特
作物产量预测是动态调整采收计划及减少生产损失的关键措施之一。为满足温室复杂环境下番茄多目标实时检测与精确计数的生产需求，本研究提出一种轻量级"检测–跟踪–计数–补偿"级联网络框架，经优化可部署于巡检机器人。首先设计稀疏卷积模块(G-FConv)与轻量级多尺度特征聚合模块(L-MFA, Lightweight Multi-scale Feature Aggregation)，构建轻量级特征提取主干以降低计算负荷与复杂度。其次开发融合SimAM注意力机制的轻量级非对称解耦检测头(LADH, Lightweight Asymmetric Decoupled Head)，在进一步降低参数量的同时增强关键特征提取能力。第三提出多视角协同检测与补偿方法(MVC, Multi-View Compensation)以优化密集遮挡场景下的多目标跟踪(MOT, Multi-Object Tracking)性能。最后应用基于TensorRT的推理加速以提升机器人实时处理能力。所提模型检测精度(mAP@0.5)达90.8%、计数精度达95.2%，模型大小仅3.98 MB、计算量5.3 GFLOPs，所提MVC方法使计数误差降低95.6%。本研究为温室番茄精确产量估算提供了有效技术解决方案，对优化采收计划与降低生产损失具有重要实用价值。
《Smart Agricultural Technology》刊载论文解读：温室巡检机器人轻量级多视角圣女果检测与计数及实时产量估算研究
研究背景与意义
番茄为全球重要经济作物，准确产量估算对维持供应链效率与可持续农业实践至关重要。传统目标检测方法（基于颜色空间分割、边缘检测、HOG+SVM等特征描述子分类器）依赖手工特征，对光照变化敏感、难以处理密集遮挡与重叠目标、泛化性差。传统计数方法依赖手工特征与数据关联，在动态环境中泛化有限且易受噪声干扰。基于深度学习的方法（Fast R-CNN、SSD、YOLO系列等）虽精度较高但计算资源需求大，难以部署于资源受限的边缘设备；现有边缘智能技术仍面临可解释性、安全性与能效挑战。温室中穗式番茄存在严重果实重叠互遮挡、机器人运动或果穗晃动导致运动模糊、番茄姿态变化增加检测难度，使传统检测跟踪方法在精度与鲁棒性上难以满足实际需求，且专门针对此类高挑战场景的计数算法仍较缺乏。为此，研究人员开展了面向温室巡检机器人的轻量级级联神经网络圣女果检测与计数研究，得出所提方法在边缘设备上实现实时高精度检测计数、MVC策略显著抑制遮挡导致的计数误差的结论，对温室精准产量估算与智慧农业生产管理具有重要意义。
主要关键技术方法
研究人员于2024年11月至2025年3月在山东青岛凯盛浩丰(莱西)智慧农业产业园采集圣女果图像，使用搭载Intel RealSense Depth Camera D455的移动巡检机器人距植株400–600 mm拍摄1280×720@30 FPS视频，按60帧间隔提取关键帧共1792张图像，标注成熟("rt")与未成熟("rt"/"ut")两类，数据集按7:2:1划分训练/验证/测试集。方法上：①设计结合部分卷积(PConv, Partial Convolution)稀疏计算与Ghost式线性扩展的G-FConv(Ghost-FConv)骨干模块及融入上下文引导块(CG Block, Context-Guided Block)的轻量级多尺度特征聚合模块(L-MFA)；②检测头采用融合SimAM(Simple Parameter-free Attention Module)无参注意力机制的轻量级非对称解耦头(LADH, Lightweight Asymmetric Decoupled Head)；③跟踪采用Deep OC-SORT算法(含相机运动补偿CMC、动态外观DA、自适应加权AW模块)，并提出多视角补偿(MVC)方法——将每帧划分为K个相邻子区域并行局部检测跟踪，跨视图冗余互补修正计数决策；④模型经ONNX转TensorRT引擎部署于NVIDIA Jetson Orin Nano边缘设备。评价指标涵盖检测(Precision、Recall、F1Score、mAP@0.5、mAP@0.5:0.95、模型大小、参数量、GFLOPs)与跟踪计数(MOTA、HOTA、IDF1、DetA、MAE、RMSE、WMAE、Counting Precision)。
研究结果
4.1 模型训练与评估(Model Training and Evaluation)
通过云端训练、边缘端测试，输入640×640，batch=64，初始学习率0.00672，动量0.86304，权重衰减0.00241，早停条件为连续50轮mAP无显著提升，采用迁移学习。明确列出检测与跟踪计数两类评价指标的定义公式。
4.2 模型训练结果分析(Result Analysis of Model Training)
对比基线(YOLOv8n骨干)与最终模型(Model 6)，最终模型训练初期F1略低但中期更稳定、后期峰值更高，mAP虽初期略低但最终超越基线且不易过拟合；二者dfl_loss相似，说明轻量化未引入额外定位误差，方法有效稳定。
4.3 消融与对比实验(Ablation and Comparison Experiments)
消融实验表明：单独引入L-MFA(Model 1)或G-FConv(Model 2)均降参降计算且mAP@0.5提升；引入LADH(Model 4)提升Recall；全模块组合(Model 6=L-MFA+G-FConv+SimAM+LADH)相对基线参数量降38.9%(3.16 M→1.94 M)、模型大小降36.2%(6.24 MB→3.98 MB)、GFLOPs降40.4%(8.9→5.3)，mAP@0.5保持90.8%，SimAM使Precision、Recall、mAP略优于未加注意力的Model 5。横向对比SSD、YOLOv8n、MobileNet-YOLO、YOLOv9t，所提模型mAP@0.5(90.8%)仅次于YOLOv9t(91.2%)但模型最小(3.98 MB)、计算量最低(5.3 GFLOPs)、参数量最少(1.94 M)，相较YOLOv8n模型大小减36%、FLOPs减40%、参数减38%。
4.4 检测结果可视化分析(Visualization Analysis of Detection Results)
Grad-CAM可视化显示改进模型在正常光、低光、强光下热图激活区更集中且覆盖番茄核心区域，基线模型激活分散易受背景干扰；改进模型在不同光照下关注合理性更强。
4.5 跟踪与计数结果对比分析(Comparative Analysis of Tracking and Counting Results)
多目标跟踪评估：所提模型DetA达71.5%优于基线68.2%(HOTA与IDF1受严重遮挡影响偏低)，说明轻量检测架构提升了定位鲁棒性。计数实验：Deep OC-SORT单独使用MAE高达595.03、RMSE 644.44；单视角补偿(SVC)MAE=30.72、RMSE=34.04；多视角补偿(MVC)MAE=26.11、RMSE=30.50，较Deep OC-SORT误差降约95.6%，较SVC也有改善。不同帧率下MVC均优于SVC，30 FPS时MVC MAE=38.33、RMSE=38.41，较SVC分别再降35.8%和39.5%。不同照度下MVC在高亮与过曝条件下较SVC鲁棒性更好。按成熟度分别计数：MVC对成熟番茄(rt)WMAE仅20.10，整体WMAE低于SVC(21.88 vs 20.10)远优于Deep OC-SORT(598.08)。实地产量估算回归分析：预测值与人工真值高度线性相关(R2=0.99)，拟合方程Y=0.926X?6.1605，斜率接近1，证明方法适用于实际温室产量估算。帧序列分析显示MVC通过区域划分与跨区互补可有效缓解ID Switch导致的漏计与重计。
讨论与结论翻译
讨论指出：所提级联框架通过G-FConv+L-MFA主干、SimAM增强LADH检测头及MVC多视角补偿策略，兼顾轻量化与精度，MVC无需三维重建仅靠2D视频空间分区与置信度融合使计数误差降95.6%；局限性在于极远端微小模糊目标敏感性略降、固定区域划分在机器人非均匀运动时灵活性不足、超长种植行累计误差尚存，未来可结合IMU与视觉里程计改进。结论：所提网络在NVIDIA Jetson Orin Nano上达31.3 FPS实时处理，检测精度(mAP@0.5)90.8%、计数精度95.2%；计算量降至5.3 GFLOPs(降40.4%)，模型大小3.98 MB；MVC使密集遮挡场景计数误差降95.6%；实地验证产量预测准确率93%，为动态调整采收计划与降低供应链损失提供技术支撑，可扩展至其他作物产量评估场景。
