机械与电子工程学院刘平教授团队在《Computers and Electronics in Agriculture》在线发表了题为《Spikelets detection of table grape before thinning based on improved YOLOV5s and Kmeans under the complex environment》，杜文圣博士为第一作者，刘平教授为通讯作者。

疏花是鲜食葡萄生产中重要的精细管理环节，能够有效调节植株的养分供应，提升葡萄的外观与品质。传统方法主要采用人工，效率低、成本高、易错过最佳疏花时期，难以满足大型葡萄园的疏花要求。因此，亟需设计一种简单易用、自动化程度高的葡萄疏花机器人，而果穗快速、精准检测分析是葡萄疏花机器人亟待解决的“卡脖子”问题之一。

该团队基于所设计的葡萄疏花机器人，采用改进的Mask R-CNN提出了一种定位鲜食葡萄果梗夹持点的方法，能够有效定位鲜食葡萄上的果梗夹持点。在此基础上，研究了多种情况（单穗和多穗，花序期和分散期等）下花穗果梗的检测与分割，提高了自然环境下果梗夹持点的识别精度与定位精度。

图1 实验条件下鲜食葡萄疏花机器人

此外，该研究团队采用改进的YOLOV5s与Kmeans，还提出了一种的葡萄疏花检测方法，该方法能够在复杂环境下检测葡萄花序中需要去除的葡萄小穗，进而为优化鲜食葡萄疏花机器人提供了理论支持。

图2. 鲜食葡萄疏花检测方法

本研究得到了山东省重点研发计划（乡村振兴科技创新提振行动计划）项目的资助。

论文链接：https://doi.org/10.1016/j.compag.2022.107432

编      辑：万    千 

审      核：贾    波