《Industrial Crops and Products》:DPDB-YOLO: A lightweight YOLOv13 cherry tomato ripeness detection method with adaptive extraction module and multi-scale feature fusion architecture
编辑推荐:
本文提出了一种轻量级且高效的樱桃番茄成熟度检测模型,命名为DPDB-YOLO,基于YOLOv13n,用于在自然环境中快速准确检测。改进如下:首先,DPC3k2(DWConv+PConv+C3k2)模块替换了主干网络(backbone)和颈
本文提出了一种轻量级且高效的樱桃番茄成熟度检测模型,命名为DPDB-YOLO,基于YOLOv13n,用于在自然环境中快速准确检测。改进如下:首先,DPC3k2(DWConv+PConv+C3k2)模块替换了主干网络(backbone)和颈部网络(neck)中的DSC3k2模块以及A2C2f模块,构建了一个紧凑的特征提取单元,提高了准确率并减少了参数开销。其次,在主干网络中引入了结构DLAE(深度轻量自适应提取,Depth Light-weight Adaptive Extraction)替代普通卷积,以增强关键区域的适应性学习并降低计算量。此外,在颈部网络中使用结构BSMFM(有界Sigmoid调制融合模块,Bounded Sigmoid Modulation Fusion Module)替代FullPaD,以增强空间感知和语义判别能力。实验表明,与原始模型相比,该模型准确率提升4.88%,召回率提升4.84%,F1分数提升4.86%,mAP50提升3.13%,mAP50–95提升8.13%,同时参数量减少40%,模型大小减少38%,GFLOPS减少20%。与SSD模型、EfficientDet模型以及其他YOLO系列模型相比,该模型以更少的参数量实现了更优的检测性能,验证了其在嵌入式设备上的有效性,并为自动化采摘提供了精确支持。
**论文解读**
**研究背景与问题**
樱桃番茄(*Solanum lycopersicum* var. *cerasiforme*)因高营养价值和独特风味广泛种植,但其果实密集簇生、体积小、常被叶片遮挡且高度差异大,导致采摘成为最耗时费力的环节。目前主要依赖人工采摘,成本高、效率低,且难以在最佳成熟期采收。果实成熟度的准确判断直接影响运输、储存方式及价格与风味品质。因此,开发高识别精度的自动化成熟度检测系统,对于识别成熟度分布区域并实现自动化采摘至关重要。传统方法如机器视觉和光谱分析依赖手工特征提取,特征表达能力有限,泛化性能差,难以适应自然条件下的检测需求。深度学习(尤其是卷积神经网络)在目标检测中具有显著优势,能够提取高维特征,在复杂条件下识别不同成熟度果实。YOLOv
13作为YOLO系列最新迭代,兼具高精度、快速处理、支持高分辨率图像及多目标兼容等优点,但直接应用于樱桃番茄检测仍存在参数量大、计算开销高、小目标及遮挡场景下检测精度不足等问题。为此,研究人员提出一种轻量级改进YOLOv
13模型,旨在满足检测任务需求的同时,最小化模型参数和计算资源,并保持检测精度。论文发表在《Industrial Crops and Products》。
**研究内容与结论**
研究人员提出DPDB-YOLO模型,基于YOLOv
13n进行三项核心改进:引入DPC3k2模块(融合DWConv和PConv)替代主干和颈部中的DSC3k2及A2C2f模块,构建紧凑特征提取单元,提高精度并降低参数;引入DLAE(深度轻量自适应提取)结构替代主干中的普通卷积,增强关键区域自适应学习并减少计算;引入BSMFM(有界Sigmoid调制融合模块)替代颈部中的FullPaD,增强空间感知与语义判别能力。实验表明,该模型在樱桃番茄数据集上相比原始YOLOv
13n,准确率提升4.88%,召回率提升4.84%,F1分数提升4.86%,mAP50提升3.13%,mAP50–95提升8.13%,同时参数量减少40%,模型大小减小38%,GFLOPS降低20%。与SSD、EfficientDet及YOLO系列(v3-tiny至v13n)对比,DPDB-YOLO在保持最低参数量(1.47M)和最小模型大小(3.22MB)的同时,取得了最优检测精度(P=93.68%,R=92.69%,F1=93.18%,mAP50=97.65%,mAP50–95=85.31%),并实现了最快推理速度(104.6 FPS)。该模型在多种复杂环境(室内、室外、强光、弱光、雾天、雨天)及不同品种(千禧、409)和其他水果(草莓、樱桃)上均表现出良好的适用性和泛化能力,并在NVIDIA Jetson Orin Nano嵌入式平台上实现稳定检测(>25 FPS)。
**主要关键技术方法**
研究人员采用以下关键技术方法:一是数据采集与增强,于2024年5月在山东省青岛平度市明村镇樱桃番茄种植基地(主要品种:釜山88),使用iPhone 15拍摄870张图像(4284×5712像素),涵盖不同植株、成熟度、光照角度及遮挡情况,并通过随机旋转、翻转、亮度调整、噪点添加及马赛克等方法增强至9360张(训练集7488张,验证集936张,测试集936张);二是基于YOLOv
13n的模型改进,包括DPC3k2模块(融合深度可分离卷积DWConv和风车形卷积PConv)、DLAE结构(并行平均池化分支与DWConv分支,通过Softmax生成注意力权重进行加权融合)、BSMFM模块(引入B-SiLU激活函数于MFM模块的Softmax前,增强非线性对比度);三是训练与评估,使用PyTorch框架,SGD优化器,150个epoch,batch size 32,初始学习率0.001,在NVIDIA GeForce RTX 4060 Ti(16GB)上训练,并采用10折交叉验证评估鲁棒性。
**研究结果**
**3.1 模型改进前后对比**:通过F1置信度曲线、精确率-召回率曲线及结果曲线对比,DPDB-YOLO在所有类别上均优于原始YOLOv
13。改进后模型整体准确率、召回率、F1分数、mAP50、mAP50–95分别提升4.88%、4.84%、4.86%、3.13%、8.13%。成熟类别检测精度提升5.71%,未成熟类别提升4.06%。混淆矩阵显示,DPDB-YOLO在成熟和未成熟类别上的检测准确率分别提高4%和7%。
**3.2 樱桃番茄检测模型对比**:选取正光、逆光、重叠、遮挡等复杂样本进行可视化比较。DPDB-YOLO能够准确检测重叠果实、避免叶片误检,且对遮挡果实识别更精确,显著降低了假阳性与假阴性。
**3.3 消融实验**:设置7组消融实验,逐步引入DPC3k2、DLAE、BSMFM模块。单独引入DPC3k2使准确率提升1.52%,参数量减少39%;单独引入DLAE使准确率提升2.93%,参数量减少0.1M;单独引入BSMFM使准确率提升2.56%,但参数量略有增加。两两组合及三者联合均进一步提升性能,最终DPDB-YOLO实现93.68%准确率,参数量仅1.47M,GFLOPS为5.1。混淆矩阵分析显示,三者联合模型(h组)在验证集上取得最高真阳性率(成熟5297,未成熟5046)和最低假阳性/假阴性率。热力图分析表明,DPDB-YOLO对目标区域的关注更集中,高激活区域分布更集中。
**3.4 不同轻量级网络模型对比**:与MobileNetv3、ShuffleNetv2、VanillaNet、GhostNet、EfficientNetv2、HGNetv2、StarNet等轻量级主干网络组合的YOLO模型对比。DPDB-YOLO在精确率、召回率、F1分数、mAP50、mAP50–95及FPS上均显著优于所有对比模型,尽管GFLOPS(5.1)略高于个别模型,但参数量(1.47M)和模型大小(3.22MB)均处于最低水平,且推理速度最快(104.6 FPS)。
**3.5 10折交叉验证实验**:将整个数据集重新随机划分,保持原始比例,进行10折交叉验证。DPDB-YOLO在整体果实检测上平均P=93.23%,R=92.37%,F1=92.80%,mAP50=97.01%,mAP50–95=84.45%,成熟和未成熟类别均表现稳定,证明模型具有良好的鲁棒性和泛化能力。
**3.6 对比实验**:与SSD、EfficientDet及YOLO系列(v3-tiny、v5n、v6n、v7-tiny、v8n、v9t、v10n、v11n、v12n、v13n)对比。DPDB-YOLO在精确率、召回率、F1分数、mAP50、mAP50–95上全面领先,尤其在mAP50–95上比第二好的YOLOv
8n高出约6.95个百分点。参数量(1.47M)和模型大小(3.22MB)均为最小,GFLOPS(5.1)低于多数模型,FPS(104.6)最快。
**讨论总结**
研究人员在讨论部分分析了模型的适用性:在室外正常天气、温室内、强光、弱光、雾天、雨天等6种复杂环境下均能保持高检测精度。泛化能力验证:无需重新训练,模型可准确检测千禧樱桃番茄、409樱桃番茄、普通番茄、草莓及樱桃等不同品种和类别,但检测腐烂果实、严重遮挡或极小果实时的准确率较低(如腐烂果仅25%,严重遮挡未成熟果22%),且存在将叶片误判为未成熟果或遗漏未成熟果的情况。动态检测实验中,模型在视频序列中实时检测所有果实,置信度0.84–0.93,处理速度达16.7ms/帧。在NVIDIA Jetson Orin Nano上部署后,以640×640分辨率输入,稳定帧率超过25 FPS,验证了嵌入式实时应用能力。与前期工作ASE-YOLOv
8相比,DPDB-YOLO在150 epoch下即达到更高精度,且参数量减少1.05M。模型优势包括:结构创新与轻量化设计结合、检测精度与鲁棒性显著提升、推理效率与资源利用平衡、模块间协同效应强、适用性与泛化能力优秀。不足在于对腐烂果、严重遮挡果及极小果检测效果差,以及背景与未成熟果颜色相近时的误检问题。
**研究结论**
(1) 本文提出了一种改进的轻量级YOLOv
13网络模型用于樱桃番茄成熟度检测。该网络将原始网络主干和颈部中的DSC3k2模块替换为DPC3k2(DWConv+PConv+C3k2)模块,同时替换了主干中的A2C2f模块。DPC3k2模块集成了DWConv卷积和风车形PConv结构,形成高效紧凑的特征提取单元,大幅减少模型参数开销,优化推理过程,特别适用于资源受限场景。此外,主干中的普通卷积被替换为深度轻量自适应提取(DLAE)结构,在增强准确率的同时降低模型复杂度。模型还引入了有界Sigmoid调制融合模块(BSMFM)替代颈部网络中的FullPaD模块,使模型在融合时“选择性突出番茄区域的高响应通道”,同时抑制低相关背景元素(如枝叶)的干扰,增强空间感知和语义判别能力。综上,所提出的DPDB-YOLO模型不仅充分有效利用全局交互特征,还使网络平衡了计算速度与模型复杂度。
(2) 为验证改进DPDB-YOLO模型的性能,配置了七组网络进行消融测试,并对结果进行定量分析。对比七组消融实验发现,随着DPC3k2、DLAE、BSMFM等模块逐步引入,模型在精确率、召回率、F1分数和mAP等指标上稳步提升。具体而言,DPC3k2有效增强特征提取能力,DLAE提升特征表示的鲁棒性,BSMFM显著优化检测精度与稳定性。在此基础之上构建的完全改进模型DPDB-YOLO,精确率达到93.68%,召回率92.69%,F1分数93.18%,mAP50和mAP50–95分别提升至97.65%和85.31%,均为实验最佳结果。同时,模型仅含1.47百万参数,权重文件大小3.22 MB,GFLOPS降至5.1,充分体现了轻量化与高性能的融合。总之,DPDB-YOLO在保持检测精度的同时大幅降低了计算和存储开销,在资源受限环境中展现出强大的应用潜力。
(3) 在相同实验条件下,通过对比早期检测模型SSD、EfficientDet以及YOLO系列各版本(包括YOLOv
3-tiny、YOLOv
5n、YOLOv
6n、YOLOv
7-tiny、YOLOv
8n、YOLOv
9t、YOLOv
10n、YOLOv
11n、YOLOv
12n、YOLOv
13n),本节系统评估了所提出的DPDB-YOLO模型与多个主流轻量级检测模型在精度、效率和整体性能上的差异。实验结果表明,DPDB-YOLO在多个关键指标上显著优于其他模型,展现出卓越的综合能力。改进模型在樱桃番茄数据集上取得了最优结果。具体而言,在保持极低参数量(1.47M)、紧凑模型大小(3.22 MB)和计算成本(5.1 GFLOPs)的同时,DPDB-YOLO实现了最高检测精度:精确率(93.68%)、召回率(92.69%)、F1分数(93.18%)、mAP50(97.65%)和mAP50–95(85.31%)均显著优于所有对比模型,包括最新版YOLO系列。尤其在衡量整体检测性能的mAP50–95指标上,DPDB-YOLO比第二好的YOLOv
8n高出约6.95个百分点。这充分验证了本文提出的双路径深度可分离结构和特征增强策略在提升模型表示能力和检测精度方面的有效性。综上所述,DPDB-YOLO成功实现了精度与效率的平衡。它不仅具有更小的模型尺寸和更低的计算复杂度,还在检测精度和鲁棒性上展现出显著优势,验证了其在实际嵌入式设备和实时视觉应用中的巨大潜力。实验充分证明,本文提出的轻量级模型不仅在评估指标上有所提升,而且在视觉检测结果上也令人满意。该研究使成熟度检测在智能农业采摘中得以应用,同时为后续其他智能农业采摘机器人的视觉识别、目标定位和分级工作奠定了基础。