近日，农机所薯类生产装备研究室在菠萝果实采摘姿态检测定位研究方面取得重要进展。该团队研究开发了一种基于改进LiteHRNet的菠萝关键点检测模型（LTHRNet），能为菠萝智能采摘提供精确的关键点定位和姿态估计数据，推动菠萝采摘装备技术发展。

       菠萝果实识别定位是智能化采摘的关键技术之一，受菠萝复杂的种植环境及光照变化等多种因素影响，果实姿态检测难度极大。开发一种适应性强、准确高效的菠萝果实目标检测和采摘区域定位的算法，对实现智能采收至关重要。

       研究模型改进包括引入LKA_Stem模块、D-Mixer模块及MS-FFN模块等，通过消融实验系统评估各改进模块对模型性能的影响，进一步证明了所提出方法的有效性。LKA_Stem模块通过大核卷积分解和深度可分离卷积的结合，提升模型的特征提取能力。D-Mixer模块通过结合卷积神经网络和Transformer的优势，增强模型对全局和局部特征的捕捉能力。MS-FFN模块通过多尺度特征融合，进一步提升模型对复杂特征的适应能力。以上改进使得模型在不同光照和遮挡条件下的检测精度显著提高。

       LTHRNet在菠萝果实关键点检测任务中表现出色，在复杂背景、不同光照条件以及遮挡情况下，模型的检测精度和鲁棒性显著优于其他对比模型。实验结果显示，LTHRNet在KAP0.5和KAR0.5上均取得显著提升，分别达到了93.5%和95.1%。在特征提取可视化实验中表现出更强的特征提取能力和更高的特征区分度，在处理相邻关键点特征粘连和遮挡情况时，能够有效过滤冗余特征，减少特征粘连。在菠萝果实姿态估计任务中同样表现出色，能够准确估计菠萝果实的姿态朝向，且与真实姿态的偏移量最小，仅为2.37°。结果表明，模型可准确检测菠萝果实的关键点并估计其姿态，能够为自动化采摘系统提供可靠的数据支持。

LTHRNet网络结构图

消融试验各模型特征提取过程可视化

不同模型检测结果

不同模型输出特征可视化结果

LTHRNet菠萝果实姿态检测结果

       相关研究成果以“Pose Detection and Localization of Pineapple Fruit Picking Based on Improved Litehrnet”为题发表于《Frontiers in Plant Science》。中国热科院农机所研究实习员陈品岚和颜彬为论文共同第一作者，中国热科院农机所邓干然研究员和李国杰副研究员为论文通讯作者。此研究得到国家自然科学基金、海南省重点研发计划、海南省自然科学基金、中央级公益性科研院所基本科研业务费专项等项目资助。

       原文链接（请点击阅读原文查看）：

       https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2025.1577312/full