基于YOLOX 改進模型的茶葉嫩芽識別方法

俞龍，黃楚斌，唐勁馳，黃浩宜，周運峰，黃永權，孫佳琪

（1.華南農業大學電子工程學院（人工智能學院），廣東 廣州 510642；2.國家精準農業航空施藥技術國際聯合研究中心，廣東 廣州 510642；3.廣東省農業科學院茶葉研究所/廣東省茶樹資源創新利用重點實驗室，廣東 廣州 510640；4.華南農業大學工程學院，廣東 廣州 510642）

【研究意義】長期以來，中國茶產量和貿易量穩居世界前列，對世界茶產業發展產生了重要影響［1］。進入21 世紀以來，農業勞動力不斷向其他產業轉移，結構性短缺和老齡化趨勢成為全球性問題［2］。隨著人們對茶葉的需求量越來越大，茶農也需要加速茶葉制作生產的過程，而尤為迫切的是提高茶葉嫩芽采摘效率。現階段茶葉的采收方式主要以人工手采為主，機械化粗采為輔［3］。機械化粗采雖然解決了人工采摘耗費人力巨大且效率低下的問題，但不能精確區分嫩芽與老葉。

【前人研究進展】機器視覺技術是近20 年發展起來的一種新興檢測技術，在農產品的大小分級、形態檢測、顏色識別等方面應用較多［4］。針對茶葉嫩芽識別問題，國內外學者基于傳統機器視覺開展了許多研究。陳妙婷［5］基于改進PSOSVM 算法對茶葉嫩芽圖像進行分割以獲取嫩芽特征信息，并選擇YOLO 算法進行嫩芽采摘點的識別，準確率達到84%以上；唐仙等［6］對RGB 顏色模型的色差法（R-B）進行分析，對比研究了多種閾值分割法的優劣；段勇強等［7］基于改進Kmeans 算法對富硒綠茶圖像進行采集并識別其中的嫩芽，識別率最高達到95%，但該方法在圖片分辨率很高的情況下會嚴重影響聚類過程，存在一定的局限性；……