基于Swin-TDL算法的果園環境下葡萄病害檢測方法

摘要：為在果園復雜環境因素下準確檢測葡萄病害，提出一種基于Swin Transformer的葡萄病害檢測模型Swin-TDL。采用Kmeans++聚類算法計算模型輸入圖像的錨框以提高檢測精度；以Swin Transformer網絡作為Swin-TDL的骨干網絡更準確地獲取目標特征信息；特征金字塔網絡和路徑聚合網絡用于融合骨干網絡中不同深度的特征層信息以增強檢測目標的語義信息和定位信息；使用SIoU損失函數作為邊界回歸預測損失函數用于提高訓練的速度和模型推理的準確性；使用Soft-NMS對目標邊界框后處理以提高遮擋及重疊目標的檢出率。在田間葡萄病害數據集中進行模型訓練和性能測試，結果表明，Swin-TDL模型的平均精度均值為92.7%，平均檢測時間為15.3 ms，綜合性能優于對比檢測算法，可以為葡萄植保裝備研究提供參考。

關鍵詞：葡萄病害檢測；果園復雜環境；圖像增強；深度學習；Swin Transformer

中圖分類號：S436.631； TN911.73" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2024） 08?0234?06

Detection method of grape disease in orchard environment based on Swin-TDL algorithm

Hu Guoyu1， 2， Liu Guang1， Zhou Xingguang1， Dong Yalan1， Zhou Jianping1， 2

（1. College of Mechanical Engineering， Xinjiang University， Urumqi， 830039， China； 2. Agricultural Robot and Intelligent Equipment Research Center of Xinjiang Uygur Autonomous Region， Xinjiang University， Urumqi， 830047， China）

Abstract： In order to accurately detect grape diseases under complex environmental factors in orchards， a grape disease detection model Swin-TDL based on Swin Transformer is proposed. Kmeans++ clustering algorithm is used to calculate the anchor frames of the model input images to improve the detection accuracy. The Swin Transformer network is used as the backbone network of Swin-TDL for more accurate acquisition of target feature information. Feature pyramid networks and path aggregation networks are used to fuse information from feature layers of different depths in the backbone network to enhance the semantic and localization information of detection targets." The SIoU loss function is used as a boundary regression prediction loss function for improving the speed of training and the accuracy of model inference." Soft-NMS is used to post?process the target bounding boxes to improve the detection rate of occluded and overlapped targets. Finally， model training and performance testing were carried out in the field grape disease dataset. The experimental results showed that the average" accuracy of the Swin-TDL model was 92.7% and the average" detection time was 15.3 ms. The comprehensive performance of Swin-TDL was better than the comparative detection algorithm， which could provide a reference for the research of grape plant protection equipment.

Keywords： grape disease detection; orchard complex environment; image enhancement; deep learning; Swin Transformer

0 引言

葡萄在生長過程容易受病害影響導致葡萄產量和質量下降，因此葡萄植保工作對提升葡萄產業效益具有重要意義。而葡萄自主噴藥機器人的相關研究可以有效解決季節性勞動力短缺問題并降低葡萄種植成本。病害目標的精準檢測對相關設備研發和葡萄病害防治具有重要的意義。然而，由于在實際工作環境中果園環境因素復雜。諸如光照強度、葉片枝條的遮擋和復雜的背景環境都會給工作目標的信息檢測造成影響。

目前，針對農作物目標的檢測，研究人員提供了許多實現方法。Jaisakthi等[1]首先采用全局閾值法對葡萄葉部的患病部位進行特征信息提取，然后通過支持向量機對葡萄葉部病害圖像進行分類，在病害圖像測試集中的最高識別準確率達到了93.04%。Ge等[2]提出了一種基于顏色和形狀多特征融合和支持向量機的方法用于早熟期和晚熟期矮化、密集種植的蘋果樹器官分類和產量估計。Zhu等[3]采用基于小波變換的維納濾波方法對目標圖像進行去噪，然后通過Otsu法對葡萄葉片病害區域進行分割，并使用Prewitt算子提取病變區域的完整邊，實現了葡萄病害的識別。然而，這些傳統圖像處理方法在果園復雜環境下難以獲取目標特征信息。

與上述傳統的圖像處理技術相比，深度學習中的許多目標檢測算法憑借優秀的特征提取能力和自主學習能力在農業領域和機器視覺領域得到越來越廣泛的應用。Tian等[4]采用DenseNet中的方法對YOLO-V3網絡中的低分辨率特征層進行處理，有效增強了網絡的特征傳播能力，可以應用于果園環境下的蘋果檢測。Kerkech等[5]使用不同的顏色空間和植被指數的組合來研究和優化LeNet-5網絡模型的性能，優化后的模型可以對葡萄樹藤蔓疾病進行檢測。何欣等[6]在Mask R-CNN模型中引入多尺度卷積的方法，并通過添加注意力機制提升了網絡的特征提取能力，以提高葡萄葉部病害識別的檢測精度。Li等[7]為了解決復雜的環境條件下葡萄檢測精度低的問題，將下采樣融合結構集成到YOLOv4-tiny網絡中，在網絡中融合了注意力機制模塊，采用Soft-NMS方法減少由于重疊導致的預測框丟失問題。深度學習檢測方法具有更好的魯棒性和泛化能力，但高精度檢測模型具有較為復雜的網絡結構，在稠密預測任務中識別精度較低。

Vision Transformer從自然語言處理中繼承了典型Transformer編碼器架構，將深度學習中的目標檢測問題轉化為一個無序集合預測問題。該方法在圖像模型領域應用后取得了良好效果[8]。然而Vision Transformer高昂計算代價與單一的尺度信息限制推廣。Swin Transformer則借鑒了卷積神經網絡歸納配置，建立了層級式架構移動窗口的Transformer框架，極大地減少了計算代價并能夠完成視覺中稠密目標預測的任務[9]。Li等[10]為了實現蘋果葉片病害的分類識別，以卷積神經網絡作為主干網絡提取圖像的全局特征，利用Vision Transformer結構獲取疾病區域的局部特征，并對patch embedding模塊進行改進，以保留圖像更多的邊緣信息。Wang等[11]結合Swin Transformer和DETR模型搭建了SwinGD模型來實現葡萄串檢測，并通過試驗獲取了算法最佳結構參數。

針對果園環境下的葡萄病害檢測需求，本研究提出一種基于Swin Transformer的Swin-TDL目標檢測算法。采用深度學習單階段目標檢測算法的框架，在輸入端使用Kmeams++聚類算法進行錨框計算，以Swin Transformer作為算法的主干網絡部分。在頸部網絡中利用特征金字塔網絡和路徑聚合網絡（Feature Pyramid Network and Path Aggregation Network，FPN+PANet）將不同的特征層信息進行特征聚合融合，并采用深度可分離卷積結構降低結構參數。在頭部網絡中引入SIoU損失函數和Soft-NMS（Soft Non-Maximum Suppression）算法以提升算法對識別目標的檢測效果。

1 葡萄病害檢測方法

1.1 Swin-TDL網絡

本研究以深度學習中的單階段目標檢測算法常規結構為框架搭建了Swin-TDL目標檢測算法。同單階段目標檢測算法的框架一致，Swin-TDL算法的結構主要分為輸入端、骨干網絡、頸部網絡和頭部網絡。Swin-TDL算法的網絡結構如圖1所示。

單階段目標檢測算法與兩階段目標檢測算法相比擁有較快的檢測速度和輕量化的網絡結構，更符合現代農業智能機械對檢測模型輕量化和實時性的要求[12]。但是單階段目標檢測算法檢測準確率較低[13]。因此，本研究在單階段檢測算法的骨干網絡部分采用Swin Transformer網絡加強對目標特征信息的獲取能力以提升檢測模型的檢測準確率。

在Swin-TDL算法的輸入端，Kmeams++聚類算法被應用于整體數據集的錨框計算。接著，每次輸入的圖片通過自適應縮放的方式被修改為設定的尺寸并傳輸到骨干網絡。在骨干網絡中完成目標特征信息的提取后，提取的特征信息會傳輸到頸部網絡的FPN+PAN結構中。FPN+PANet結構會將圖像特征的網絡層進行組合和融合，并將融合后的圖像特征信息傳遞到頭部網絡。在頭部網絡中，輸入的圖像中會生成多個錨框，并為這些錨框預測類別和偏移量。然后，根據錨框及其預測偏移量生成邊界框并預測類別。Soft-NMS算法被應用到頭部網絡中去刪除框選同一目標的邊界框并提升算法檢測精度。頭部網絡使用SIoU損失函數作為邊界框損失函數去生成更準確的目標邊界框。

1.2 Kmeams++聚類算法

由于自定義的數據集中圖片目標尺寸多變，目標檢測算法采用固定的錨框參數不能適用于全部的圖片目標尺寸。因此，在以往目標檢測算法中一般采用K-Means聚類算法對數據集進行錨框計算[14]。但是K-Means算法正式聚類之前需要初始化k個簇中心，因此其收斂情況嚴重依賴于簇中心的初始化狀況。采用K-Means++可以有效緩解這一問題，提高檢測精度和效果[15]。K-Means++算法修改了K-Means算法的第一步操作讓初始化的簇中心之間的距離盡可能遠。K-Means++算法首先從自定義數據集X中隨機選取一個樣本點作為第一個初始聚類中心x1。用D（x）表示每個樣本與當前已有聚類中心之間的最短距離。計算每個樣本點被選為下一個聚類中心的概率P（x）。P（x）的計算如式（1）所示。完成每個樣本點被選中的概率計算后，選擇最大概率值所對應的樣本點作為下一個簇中心。這樣的優化方法可以讓隨機選取的中心點盡可能的趨于全局最優解以生成更為合適的錨框。

[P（x）=D（x）2x∈XD（x）2]" " " "（1）

1.3 FPN+PANet結構

卷積神經網絡中深層的特征層攜帶有更強的語義特征，較弱的定位信息。而淺層的特征層攜帶有較強的位置信息和較弱的語義特征。深層網絡能響應語義特征，但是特征圖的尺寸太小，擁有較少幾何信息不利于目標的檢測。淺層網絡包含比較多的幾何信息，但是特征圖的語義特征較少不利于圖像的分類。FPN+PANet結構[16]由FPN結構和PAN結構共同組成。FPN結構就是把深層的語義特征傳到淺層，從而增強多個尺度上的語義表達。而PAN結構可以將低層的定位特征傳遞到深層網絡以增強多個尺度上的定位能力。在Swin-TDL模型的頸部網絡中采用FPN+PANet的結構以多尺度特征融合的方式將淺層網絡中的定位信息和深層網絡中的語義特征信息同時進行加強以提升算法的檢測性能。FPN+PANet的結構如圖2所示。另外，在Swin-TDL算法的頸部網絡中還采用了深度可分離卷積[17]以實現普通卷積的功能。這種卷積結構可以減少頸部網絡的結構參數量并加快算法的檢測速率。

1.4 Soft-NMS

目標檢測算法常使用非極大值抑制方法對目標邊界框進行后處理以獲得最優的邊界框。Soft-NMS算法是Non-Maximum Suppression（NMS）算法的一種改進。NMS算法會設定目標框的置信度閾值并根據置信度降序排列候選框列表。然后置信度最高的候選框會被添加到輸出列表并在候選框列表中被刪除。計算輸出列表的邊界框與候選框列表中的所有框的IoU值，所有IoU值大于閾值的候選框都會刪除。果園環境下的葡萄病害目標存在葉片枝條的遮擋和尺寸小的特點。NMS算法容易過濾掉遮擋目標中的正確邊界框導致獲得較差的召回率和檢測精度。Swin-TDL模型采用Soft-NMS算法對目標邊界框進行后處理。Soft-NMS算法會找到置信度最高的候選框并將其置信度保持不變。然后邊界框與候選框列表中的所有框的IoU值會被計算。IoU函數會根據IoU值更新其余候選框的置信度值。最后置信度高的候選框會被保留。Soft-NMS算法的高斯加權函數計算如式（2）所示。iou函數可以根據候選框的IoU值降低候選框的置信度si。最終Soft-NMS算法會保留IoU值較低且置信度較高的候選框。這種算法可有效提高網絡的召回率和對遮擋目標的檢測精度。

[si=sie-iouM， bi2σ]" " " "（2）

式中：si——當前候選框的置信度得分；

M——置信度最高的候選框；

σ——超參數；

bi——當前候選框。

1.5 損失函數

Swin-TDL算法的損失函數Lloss由分類損失函數Lclass和邊界回歸預測損失函數Lbox構成。計算如式（3）所示。

[Lloss=Lclass+Lbox]" " " " "（3）

分類損失函數采用交叉熵損失函數。該方法首先采用SoftMax函數來得到樣本屬于每個類別的概率。然后對上一步的輸出計算交叉熵值。分類損失函數計算如式（4）所示。

[Lclass=-j=1cyij×logpij]" " " （4）

式中：pij——第i個樣本屬于類別j的概率，第i個樣本屬于第j個類別時yij為1，其余情況下yij為0。

Swin-TDL算法采用了SIoU損失函數[18]作為邊界回歸預測損失函數。傳統的邊界回歸預測損失函數依賴于邊界框回歸指標的聚合。這些指標包括預測框和真實框的距離、重疊區域和縱橫比。SIoU損失函數考慮了真實框與預測框之間匹配方向的因素并重新定義了懲罰指標。SIoU損失函數主要由角度成本，距離成本、形狀成本和IoU值成本組成。

2 試驗數據集及評估方式

2.1 試驗環境

檢測模型訓練的硬件和軟件條件如表1所示。

在模型訓練之前，Kmeams++聚類算法針對自建數據集進行計算以獲取合適的錨框尺寸。模型訓練采用Adam優化器，初始學習率設置為0.001。批樣本數量設置為4，最大訓練迭代次數取150。模型訓練在自建數據集的訓練集上進行，并通過驗證集獲取了模型的性能指標參數。

2.2 評估指標

根據樣本的真實類別和預測類別，識別結果可以分為真陽性TP，假陽性FP，真陰性TN和假陰性FN。本研究采用召回率（Recall，R）、準確率（Precision，P）、平均精度均值（mean Average Precision，mAP）、平均準確率（Average Precision，AP）、檢測速度和模型權重來評價訓練后的模型。平均準確率是準確率對召回率在區間0～1之間的積分。而平均精度均值是對所有類別的平均準確率取平均值。召回率和準確率的計算如式（5）和式（6）所示。

[R=TPTP+FN×100%]" " " " （5）

[P=TPTP+FP×100%]" " " " （6）

式中：TP——檢測模型預測結果為正的正樣本數量；

FP——檢測模型預測結果為正的負樣本數量；

FN——檢測模型預測結果為負的正樣本數量。

2.3 試驗數據集

在本文中，使用3 000像素×4 000像素的手機相機對果園環境下的葡萄病害圖像進行采集。圖像采集工作所在的葡萄園位于新疆烏魯木齊三坪農場和山東濟寧。圖像采集分別在晴天、陰天和多云等不同天氣和不同的拍攝角度進行，以模擬植保設備在不同光照強度和不同行進角度下獲取圖像的工作環境。從兩地果園采集了2 357張葡萄病害圖像，共包含六類不同環境條件下的葡萄病害圖片，其中黑腐病葉部圖片有381張，黑腐病果實部分圖片有342張，輪斑病有394張，葉斑病有403張，褐斑病有425張，白粉病412張。

將采集到的2 357張葡萄病害圖片采用Mask Sence標注工具進行標注。在病害圖像的標注過程中，根據葡萄病害種類的特點對白粉病、黑腐病（果實部分）和葉斑病的圖片采取標注整個葉片的方式，對其余病害圖片采取標注病斑的方式。最后將標注好的葡萄病害圖片按照5∶3∶2的比例劃分為1 177張訓練集圖片、708張測試集圖片和472張驗證集圖片。為了進一步豐富訓練集的多樣性，提高檢測模型的泛化能力，本研究中對1 177張訓練集進行了圖像數據增強。首先采用圖片隨機旋轉和亮度隨機調整的方式分別對訓練集中的圖片進行處理。然后將新增加的2 354張病害圖片和原始訓練集中的1 177張圖片進行Mosaic數據增強生成1 177張圖片。最后將數據增強后的3 531張圖片添加到原始訓練集中獲得4 708張訓練集圖片。

3 試驗結果與討論

3.1 不同檢測模型對比

為驗證Swin-TDL模型的性能，選取YOLOv5、YOLOv3-tiny、Faster R-CNN、SSD和Swin-TDL進行對比試驗。所有模型都在自定義數據集上進行訓練與性能測試。不同檢測模型的平均精度均值曲線如圖3所示。Swin-TDL模型的平均精度均值曲線在第15輪迭代開始收斂。平均精度均值達92.7%。YOLOv5模型的平均精度均值曲線在第20輪迭代開始收斂。最終平均精度均值達85.5%。YOLOv3-tiny模型的平均精度均值曲線在第20輪迭代開始收斂。最終平均精度均值達到84.3%。Faster R-CNN模型的平均精度均值曲線在第30輪迭代開始收斂。最終平均精度均值達到74.2%。SSD模型的平均精度均值曲線在第40輪迭代開始收斂。最終平均精度均值達到48.3%。說明Swin-TDL模型的檢測精度優于其他模型，且Swin-TDL模型的訓練收斂速度最快。

在對比試驗中，YOLOv5、YOLOv3-tiny、Faster R-CNN、SSD和Swin-TDL的模型性能參數和識別效果圖分別如表2和圖4所示。

Swin-TDL模型的平均精度均值、召回率、平均檢測時間和權重大小分別為92.7%、86.2%、15.3 ms和24.6 MB。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL模型的平均精度均值mAP分別提高了8.4%、7.2%、18.5%和44.4%，說明Swin-TDL具有較高的檢測精度。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL的平均檢測時間分別降低了16.1 ms、2.5 ms、244.3 ms、297.4 ms。這個結果說明Swin-TDL模型具備良好的實時檢測性能。與YOLOv5、Faster R-CNN、SSD相比，Swin-TDL的模型權重分別降低2.7 MB、83.2 MB和68.5 MB，說明Swin-TDL模型具備輕量化的模型架構。如圖4所示，Swin-TDL識別結果圖的置信度高于其他模型。與Swin-TDL識別結果相比，YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD的識別結果中出現了不同程度的誤檢和漏檢。這個分析結果說明本研究所提出的模型具有較好的檢測性能。

3.2 目標遮擋及重疊識別對比

果園環境中的病害目標常存在遮擋和重疊的情況。本研究選取自定義測試集中存在遮擋及重疊情況的圖片組成新的測試集以探究遮擋及重疊因素對檢測模型性能的影響。新測試集包括224張圖片。YOLOv5、YOLOv3-tiny、Faster R-CNN、SSD和Swin-TDL在新測試集上進行性能測試，不同檢測模型的試驗結果如表3所示。與自定義測試集上的試驗結果相比，YOLOv5、YOLOv3-tiny、Faster R-CNN、SSD和Swin-TDL的平均精度均值分別降低了0.6%、0.7%、0.6%、0.8%和0.4%。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL的平均精度均值分別提高了8.6%、7.5%、18.7%和44.8%。結果表明，遮擋及重疊因素會降低模型的檢測精度。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL模型針對遮擋及重疊目標的檢測有效減少了漏檢和誤檢，具有更好檢測效果。

4 結論

1） 提出一種基于Swin Transformer的單階段目標檢測模型Swin-TDL。Swin-TDL模型對果園復雜環境下的不同類型葡萄病害具有較高的檢測精度和較快的檢測速率。該模型采用Swin Transformer網絡增強目標特征信息的傳輸效率。然后使用FPN+PANet結構對目標特征信息進一步增強。在模型中引入SIoU損失函數和Soft-NMS算法以獲取精確的目標定位信息并提升對遮擋目標的檢測效果。

2） 不同的檢測模型在自定義數據集上進行訓練并測試性能參數。Swin-TDL模型的平均精度均值，召回率，平均檢測時間和權重大小分別為92.7%、86.2%、15.3 ms和24.6 MB。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL模型的平均精度均值分別提高8.4%、7.2%、18.5%和44.4%。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL的平均檢測時間分別降低16.1 ms、2.5 ms、244.3 ms、297.4 ms。與YOLOv5、Faster R-CNN、SSD相比，Swin-TDL的模型權重分別降低2.7 MB、83.2 MB和68.5 MB。

3） 不同檢測模型在遮擋重疊測試集上測試性能參數。測試結果表明，Swin-TDL模型的平均精度均值為92.3%。與YOLOv5、YOLOv3-tiny、Faster R-CNN和SSD相比，Swin-TDL的平均精度均值分別提高8.6%、7.5%、18.7%和44.8%。本研究提出的Swin-TDL模型有最高檢測精度，最快的檢測速率和輕量級的網絡結構，對遮擋重疊目標檢測效果優秀，滿足果園環境下現代智能植保裝備對葡萄病害檢測需求，能為葡萄園病害防治相關技術領域發展提供幫助。

參 考 文 獻

[ 1 ] Jaisakthi S M， Mirunalini P， Thenmozhi D. Grape leaf disease identification using machine learning techniques [C]. 2019 International Conference on Computational Intelligence in Data Science （ICCIDS）. IEEE， 2019： 1-6.

[ 2 ] Ge L， Zou K， Zhou H， et al. Three dimensional apple tree organs classification and yield estimation algorithm based on multi?features fusion and support vector machine [J]. Information Processing in Agriculture， 2022， 9（3）： 431-442.

[ 3 ] Zhu J， Wu A， Wang X， et al. Identification of grape diseases using image analysis and BP neural networks [J]. Multimedia Tools and Applications， 2020， 79（21）： 14539-14551.

[ 4 ] Tian Y， Yang G， Wang Z， et al. Apple detection during different growth stages in orchards using the improved YOLO-V3 model [J]. Computers and Electronics in Agriculture， 2019， 157： 417-426.

[ 5 ] Kerkech M， Hafiane A， Canals R. Deep leaning approach with colorimetric spaces and vegetation indices for vine diseases detection in UAV images [J]. Computers and Electronics in Agriculture， 2018， 155： 237-243.

[ 6 ] 何欣， 李書琴， 劉斌. 基于多尺度殘差神經網絡的葡萄葉片病害識別[J]. 計算機工程， 2021， 47（5）： 285-291， 300.

He Xin， Li Shuqin， Liu Bin. Identification of grape leaf diseases based on multi?scale residual neural network [J]. Computer Engineering， 2021， 47（5）： 285-291， 300.

[ 7 ] Li H， Li C， Li G， et al. A real?time table grape detection method based on improved YOLOv4-tiny network in complex background [J]. Biosystems Engineering， 2021， 212： 347-359.

[ 8 ] Han K， Wang Y， Chen H， et al. A survey on vision transformer [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2022， 45（1）： 87-110.

[ 9 ] Liu Z， Lin Y， Cao Y， et al. Swin transformer： Hierarchical vision transformer using shifted windows [C]. Proceedings of the IEEE/CVF International Conference on Computer Vision， 2021： 10012-10022.

[10] Li X， Li S. Transformer help CNN see better： A lightweight hybrid apple disease identification model based on transformers [J]. Agriculture， 2022， 12（6）： 884.

[11] Wang J， Zhang Z， Luo L， et al. SwinGD： A robust grape bunch detection model based on Swin transformer in complex vineyard environment [J]. Horticulturae， 2021， 7（11）： 492.

[12] Zaidi S S A， Ansari M S， Aslam A， et al. A survey of modern deep learning based object detection models [J]. Digital Signal Processing， 2022， 126： 103514.

[13] Zhao Z Q， Zheng P， Xu S， et al. Object detection with deep learning： A review [J]. IEEE Transactions on Neural Networks and Learning Systems， 2019， 30（11）： 3212-3232.

[14] Xue J， Cheng F， Li Y， et al. Detection of farmland obstacles based on an improved YOLOv5s algorithm by using CIoU and anchor box scale clustering [J]. Sensors， 2022， 22（5）： 1790.

[15] Ren Z， Lam E Y， Zhao J. Real?time target detection in visual sensing environments using deep transfer learning and improved anchor box generation [J]. IEEE Access， 2020， 8： 193512-193522.

[16] Fu L， Duan J， Zou X， et al. Fast and accurate detection of banana fruits in complex background orchards [J]. IEEE Access， 2020， 8： 196835-196846.

[17] Li H， Li C， Li G， et al. A real?time table grape detection method based on improved YOLOv4-tiny network in complex background [J]. Biosystems Engineering， 2021， 212： 347-359.

[18] Gevorgyan Z. SIoU loss： More powerful learning for bounding box regression [J]. arxiv preprint arxiv： 2205.12740， 2022.