胡耀华教授导学团队在冬枣采收领域取得了重要进展。团队的研究成果发表在植物表型领域的国际权威期刊《Plant Phenomics》（中科院1区期刊，ESI期刊，五年影响因子：7.7），论文题为《MLG-YOLO: A Model for Real-Time Accurate Detection and Localization of Winter Jujube in Complex Structured Orchard Environments》。这是浙江农林大学首次以第一及通讯单位在该期刊发表的研究成果，是胡耀华教授团队在枣果采收研究中的又一标志性成果。该论文由硕士研究生俞晨浩作为第一作者发表，这也是他发表的第三篇枣果采摘机器人相关的高水平SCI论文。
此前，俞晨浩同学已在《Computers and Electronics in Agriculture》（中科院1区Top期刊，五年影响因子：8.4）和《Forests》（中科院2区期刊，ESI期刊，五年影响因子：2.7）发表了关于轻量化枣果识别与计数模型及枣树振动参数优选的研究。这三篇论文均由俞晨浩为第一作者，胡耀华教授为通讯作者，第一单位均为浙江农林大学。
三篇论文的研究概述如下：
《MLG-YOLO: A Model for Real-Time Accurate Detection and Localization of Winter Jujube in Complex Structured Orchard Environments》
该论文针对结构化果园环境中的冬枣树，提出了一种基于MLG-YOLO模型的检测与定位方法。冬枣的有效收获依赖于准确的检测与定位，该研究构建了包含不同光照条件和叶片遮挡场景的冬枣数据集，并提出了MLG-YOLO与RGB-D相机结合的三维定位方法。通过消融研究、对比实验和三维定位误差实验，验证了MLG-YOLO模型在实验室和结构化果园环境下的有效性，为冬枣采收机器人提供了技术支持。
《A lightweight SOD-YOLOv5n model-based winter jujube detection and counting method deployed on Android》
该论文提出了一种轻量化小目标检测模型SOD-YOLOv5n，用于冬枣成熟初期的检测与计数。准确检测与计数冬枣对于估算产量和制定采收策略至关重要。在复杂的天气条件和叶片遮挡情况下，传统方法难以精确识别冬枣。研究表明，SOD-YOLOv5n模型在计数精度上优于YOLOv5n，并开发了名为JujubeDetector的安卓应用程序。经过量化优化，应用程序实现了检测时间30到90毫秒，均方根误差（RMSE）为1.46，R²为0.97，满足了冬枣实时检测与计数的需求。
《Optimization of Vibration Parameters for Red Jujube Trees with Different Diameters》
该论文旨在通过优化不同直径枣树的振动参数来提升振动采收的效率。研究建立了枣树受迫振动动力学模型，并构建了直径变化的三维模型，通过运动学模拟分析得出枣树的固有频率和模态振动模式。实验结果显示，直径为30毫米、50毫米和70毫米的枣树最佳振动频率范围分别为4-30 Hz、6-25 Hz和17-29 Hz。研究还通过回归方程得出了振动采收效率与各振动因子的关系，为振动采收效率的提升提供了理论基础。
研究得到浙江农林大学人才启动项目(2021LFR066)、国家自然科学基金面上项目（32171894）和国家留学基金委项目（202208330269）的资助。
论文链接：
1.https://spj.science.org/doi/10.34133/plantphenomics.0258
2.https://doi.org/10.1016/j.compag.2024.108701
3. https://www.mdpi.com/1999-4907/14/7/1287
(文：胡耀华，审核：姚立健）
