赵明岩，吴顺海，李一欣，左银华

（中国计量大学机电工程学院，杭州 310018）

0 引言

黑皮鸡枞菌是一种高蛋白食用菌，具有较高的营养价值和较好的生物活性[1]。伴随其种植规模日趋扩大，传统手工采摘劳动强度大、效率低等问题愈发凸显。随着图像识别分析领域算法的不断迭代优化，传统农业通过与信息技术产业深度结合不断朝信息自动化发展，农业领域中结合深度学习的应用也越来越广泛，例如农产品目标检测、生长环境监测、作物病害检测等[2]。目前针对常见的球形农产品，例如番茄，苹果等目标检测方法研究较为广泛[3-5]，但以黑皮鸡枞菌为对象的目标检测方法相关文献较少。由于鸡枞菌种植环境复杂，如光线阴暗变化多样、土壤与菌菇辨识度较低、生长分布较为密集、遮挡情况严重等[6]，导致模型检测精度不高，增加了检测难度。因此研究高效精准的鸡枞菌检测方法，为鸡枞菌机器人采摘系统提供技术支持，对提高采摘效率，降低采摘成本，实现鸡枞菌规模化、标准化种植具有重要意义。

相较于传统机器视觉方法，深度学习方法通过网络提取特征，进行模型训练及网络算法优化提升检测性能，在目标检测方面具有很大优势。常见目标检测网络有Fast-RCNN[7]、SSD[8]、YOLO[9]、Faster-RCNN[10]等。曹景军[11]提出了一种多模态注意力融合网络，通过同时向网络中两个通道输入双孢菇可见光图像与深度图像，通过融合多个模态之间的特征图来获取更多特征信息，目标平均精度值为81.5%。……