宁夏大学开展了多品种番茄果实数量与成熟度实时混合轻量级检测方法研究。以YOLO 原始模型为基础，采用EfficientNet-Lite骨干网络，BiFPN颈部网络，并结合CBAM注意力机制，模型的准确率和平均精度达到94.5%，模型大小仅为7.9MB，单张图像推理仅需35ms，更好地适应不同生长阶段番茄果实的数量及成熟度特征变化。本团队基于该模型开发了可实际部署的多品种番茄果实数量与成熟度实时检测系统，边缘计算平台为NVIDIA公司的Jetson Orin NX。系统通过部署在日光温室内的高清摄像头实时捕获番茄果实的图像数据。为了满足多模态数据的高效传输需求，系统采用RTSP协议构建了视频流传输通道，并利用TCP/IP协议的滑动窗口机制，在复杂网络环境下将端到端延迟保持在50ms以内。原始视频流在进入边缘计算节点后，调用OpenCV 4.5算法库执行标准化预处理流程，包括图像去噪、颜色校正和尺寸归一化等操作，从而为后续的检测任务提供低噪声、高一致性的输入源，确保数据的质量和处理效率。在日光温室环境中可稳定支持番茄果实数量和成熟度的实时检测，实测帧率超过30fps，为实现番茄产业的智能化提供理论和技术支持。

针对当前日光温室番茄果实数量检测与成熟度彼此独立，检测品种单一，以及检测算法和模型时间复杂度高，占用存储空间大，难以满足日光温室智慧农业实时检测和边缘计算部署需求的问题，本团队研发了一种多品种番茄果实数量与成熟度实时混合轻量级检测方法与系统。

该成果在智慧农业领域具有广阔的应用前景，特别是在设施农业智能化、农业物联网（Agri-IoT）、精准农业生产管理等方面展现出重要价值。随着农业向数字化、智能化方向发展，实时、高效、低功耗的果实检测技术将成为智能温室管理的重要组成部分。本研究所开发的轻量级番茄果实数量与成熟度检测系统，凭借高精度、低计算成本和边缘计算优化等优势，不仅能满足日光温室对果实生长监测的需求，还能适应不同品种、不同生长环境的果蔬作物识别。未来，该技术可进一步扩展至黄瓜、草莓、辣椒等果蔬种植，通过优化算法适应更多作物生长特点，形成一套通用的智能果蔬监测系统。

团队带头人冯克鹏，教授，博士，博士生导师，宁夏节水灌溉与水资源调控工程技术研究中心主任，中国遥感应用协会黄土高原遥感分会副秘书长，中国遥感应用协会定标委员会委员，《灌溉排水学报》编委，《排灌机械工程学报》期刊优秀青年编委，宁夏水力发电工程学会执行秘书长，国家公派美国俄克拉荷马大学访问学者。主要从事智慧水利、数智农业等方面的科学研究工作。团队目前研发人员11人，其中博士研究生3名，硕士研究生8名。拥有GPU深度计算，农业表型等科研设备35台套。

本成果的核心研发人员包括冯克鹏教授，张传颂博士研究生和张疏桐、郭海旭两位硕士研究生。

为了研发该成果，团队在模型优化、数据采集、硬件部署及系统集成等方面投入了大量人力和物力。研发过程中，累计投入经费约12万元，其中包括计算资源购置、设备测试、算法优化及软件开发等费用。此外，为了确保该技术能够在日光温室环境中稳定运行，团队进行了多轮实验验证，优化检测模型的鲁棒性，并基于边缘计算架构提升系统的实时性和适应性。目前，该成果已应用于银川市月牙湖温室种植基地，带来了提升农业生产效率、降低人工检测成本的直接经济收益，同时在智慧农业领域形成了较强的技术优势。根据当前应用情况，该系统可有效降低番茄果实检测的人力成本40%以上，提高采摘精准度20%。

本成果面向番茄设施农业进行转化，转化方式为技术转让或技术许可，转让金额双方协商。