湖南农业大学王修善博士等:基于深度学习的水稻收获质量智能监测装置

为实现收获水稻破碎率与含杂率的高精度实时监测，该研究提出一种基于平铺采样装置与深度学习协同优化的水稻收获质量监测系统。设计间歇式槽轮-多孔导流板-挡板间隙三级采样平铺装置，经EDEM离散元法仿真优化参数，抑制籽粒重叠；改进YOLOv8n模型，融合Shuffle Attention注意力机制增强小目标特征提取，采用VoVo-GSCSP模块压缩参数，引入PIoU2损失函数提升定位精度。

试验结果表明：参数优化后水稻颗粒分布变异系数最低达到0.15；改进模型平均精度mAP@50达95.30%，参数量仅2.9 M；台架试验的破碎率与含杂率平均相对误差分别为3.50%和6.27%，田间试验平均相对误差分别为5.52%和6.77%。本系统通过协同优化硬件结构与检测算法，实现了水稻收获质量的高精度在线监测，可为水稻联合收割机研发装置提供可靠技术支撑。