面向边缘部署的温室串番茄采摘机器人:YOLOv8n-BiFPN-WIoU+ROS分布式控制——Frontiers in Plant Science

方法

YOLOv8n结合BiFPN加权特征融合与WIoU损失，集成ROS分布式控制架构

发现

模型mAP@0.5达92.338%，较基线YOLOv8n提升4.587个百分点，可完成采摘。

机会点

可探索轻量化模型在更多边缘设备上的泛化部署，及多机器人协同采摘调度优化。

论文提出了一种可在边缘部署的温室串番茄采摘机器人,集成YOLOv8n-BiFPN-WIoU视觉检测模型与基于ROS的分布式控制架构。BiFPN加权特征融合结构增强了跨尺度特征表示,WIoU改进了部分遮挡和重叠目标的定位稳健性。在独立测试集上,该模型Precision达88.534%、Recall 89.377%、F1 88.954%、mAP@0.5为92.338%、mAP@0.5:0.95为71.368%,相比基线YOLOv8n分别提升2.143、2.779、2.460、4.587和5.675个百分点。视觉检测器与ROS机器人系统集成,协调目标感知、轨道站点间运动和机械臂操作。