来源：期刊VIP网 时间：
作者：李珈慧;姬长英;胡鹏昱;王妍;赵文旻;
单位：上海农林职业技术学院;南京农业大学工学院;
摘要：针对传统机器视觉方法如YOLO在农产品质量检测中效率低下及准确性不足的问题，提出一种基于YOLOX-MSBP的机器视觉技术检测方法。YOLOX-MSBP检测方法旨在开发一种改进的机器视觉模型，以提高生菜品质的预测精度和处理速度。YOLOX-MSBP检测方法采用了Micro-branch检测分支、优化的主干网络和特征融合网络，并结合交叉验证技术对模型进行训练和优化。YOLOX-MSBP检测方法首先对YOLOX-MSBP模型进行了详细的网络结构设计，重点优化了特征提取和融合过程。通过对大规模数据集的训练和测试，模型在生菜品质预测任务上达到了超过95%的准确率。实验结果表明，该模型在提高预测速度和准确性方面均优于现有的机器视觉方法。基于YOLOX-MSBP的模型在生菜品质预测中表现出较高的性能，可为农业生产提供更有效的品质评估工具。建议未来研究可以将此模型应用于更多类型的农产品，以推广其在农业自动化检测中的应用。
关键词：YOLOX-MSBP;;机器视觉;;生菜品质;;品质预测
基金资助：上海市科委“科技创新行动计划”农业科技领域项目(20392001300);; 国家重点研发计划项目(2021YFD1900800)
