科创中国

河南科技大学开展了智慧果园数字管理技术——苹果园疏花蔬果部位识别系统的攻关研究，苹果园疏花蔬果部位识别系统开发已基本完成。实现指标：提出一种苹果树开花、坐果部位识别方法，并搭建识别系统。相关研究成果申报软件著作权1项，在投论文1篇。

本成果以YOLOv5算法搭建目标检测模型，分别对疏花蔬果目标进行训练，结果显示对于开花部位的训练结果的F1Score值为0.91，mAP收敛于0.934.，实际检测试验的正检率均超过89.92%，漏检率在1.25%~7.2%，错检率在1.24%~2.63%，平均单张图片运算耗时在0.28~0.42s之间；引入CBAM注意力机制的YOLOv5作为苹果园坐果部位的识别，实际检测试验显示坐果部位识别的正检率在78.37%~88.7%，漏检率在8.97%~16.48%，错检率在1.24%~4.63%，平均单张图片运算耗时在0.38~0.51s之间，可为苹果园疏花蔬果部位的识别提供在线、实时的信息决策支持。

本成果是一种基于YOLOv5的疏花部位的识别系统和一种基于YOLOv5且引入CBAM注意力机制优化的蔬果部位识别系统，能够实现果园开花部位和坐果部位的识别，且开发出简洁实用的可视化界面以供用户使用。结果显示YOLOv5对于开花部位的训练结果的F1Score值为0.91，mAP收敛于0.934，实际检测试验的正检率均超过89.92%，漏检率在1.25%~7.2%，错检率在1.24%~2.63%，平均单张图片运算耗时在0.28~0.42s之间；以引入CBAM注意力机制的YOLOv5作为苹果园坐果部位的识别，实际检测试验显示坐果部位识别的正检率在78.37%~88.7%，漏检率在8.97%~16.48%，错检率在1.24%~4.63%，平均单张图片运算耗时在0.38~0.51s之间，实现了在苹果园中对疏花蔬果部位的识别，可以为果园机械化管理提供实时在线的信息决策，能有效帮助农民和果园管理者进行疏花蔬果操作，进一步推动了果园的机械化、自动化和智能化管理。

本项目搭建出一种基于YOLOv5的疏花部位的识别系统和一种基于YOLOv5且引入CBAM注意力机制优化的蔬果部位识别系统，能够实现果园开花部位和坐果部位的识别，且开发出简洁实用的可视化界面以供用户使用。可以为果园机械化管理提供实时在线的信息决策，能有效帮助农民和果园管理者进行疏花蔬果操作，进一步推动了果园的机械化、自动化和智能化管理。

该成果由河南科技大学农业装备工程学院智慧农业研究团队完成，团队成员有讲师赵龙、讲师师翊、助教丁月华、本科生王新。赵龙主要从事智慧农业、农业遥感和水肥一体化等方向研究；师翊主要从事农业信息化、智慧农业、数字植物等研究；丁月华主要主要从事智慧农业方向研究；王新为河南科技大学农业电气化与自动化专业本科生。团队负责人赵龙博士负责项目的整体方案制定和系统搭建，师翊博士负责果园试验，丁月华硕士负责软件开发，王新负责模型构建与算法优化。

为了研发该成果已投入的各类经费10万元。项目搭建出一种基于YOLOv5的疏花部位的识别系统和一种基于YOLOv5且引入CBAM注意力机制优化的蔬果部位识别系统，能够实现果园开花部位和坐果部位的识别。项目的研发和应用在生产技术上提升我国果业生产管理水平，增强果业生产智慧化程度，加快农业现代化和城镇化进程。项目的实施，为农业信息化、智能化产业培养一批重要的技术骨干，成为新时代下支撑智慧农业发展的中坚力量。

成果转化以技术许可的形式进行，希望找到规模化农业生产的公司进行合作。