基于改进YOLOv10框架的缺陷咖啡豆自动检测

《Current Research in Food Science》:Automated detection of defective coffee beans based on improved YOLOv10 framework

【字体: 大 中 小 】 时间:2026年06月06日 来源:Current Research in Food Science 7

编辑推荐:

  咖啡品质评估对全球农业经济具有关键意义,然而传统人工检测仍然存在劳动强度高、主观性强且一致性不足等问题。该研究提出了一种基于改进YOLOv10的框架,专门用于缺陷生咖啡豆的自动检测,在高精度定位与实时边缘部署约束之间实现了最优平衡。所提出的架构集成了三项针对性

  
咖啡品质评估对全球农业经济具有关键意义,然而传统人工检测仍然存在劳动强度高、主观性强且一致性不足等问题。该研究提出了一种基于改进YOLOv10的框架,专门用于缺陷生咖啡豆的自动检测,在高精度定位与实时边缘部署约束之间实现了最优平衡。所提出的架构集成了三项针对性的结构创新:采用带分布偏移的深度可分离卷积(Depthwise Separable Convolution, DSConv),以实现轻量化、细粒度特征提取;采用带注意力机制的快速空间金字塔池化模块(Spatial Pyramid Pooling Fast with Attention, SPPF_Attention),以实现具备上下文感知能力的多尺度特征细化;并在检测头中引入部分卷积(Partial Convolution, PConv)算子,以缓解计算冗余并增强对密集遮挡的鲁棒性。综合评估基于一个经过严格构建的数据集开展,该数据集覆盖了符合精品咖啡协会(Specialty Coffee Association, SCA)标准的7类缺陷。在5折交叉验证协议下,该框架取得了当前最优性能(state-of-the-art),mAP@50达到99.2%,精确率达到98.5%,召回率达到98.8%,同时推理时延仅为2.0 ms。上述指标表明,该方法相较先进的YOLOv11基线获得了显著提升,同时将模型参数量降低21.6%,模型大小减小12.4%,推理速度提升33.3%。此外,系统性的消融研究验证了各结构组件的增量贡献,而EigenCAM可视化结果证实,所集成的注意力机制能够成功引导网络聚焦于具有语义意义的缺陷区域,并抑制背景干扰。进一步的大规模跨数据集分析还表明,该模型在不同加工状态下具有优异的泛化能力,从而确立了该框架作为资源受限工业分选设施中一种高可行性、可扩展解决方案的应用价值。
该文发表于《Current Research in Food Science》,围绕工业场景下缺陷咖啡豆自动检测展开研究。研究背景在于,咖啡豆质量直接影响风味、商品价值与消费者接受度,而生咖啡豆中的轻微缺陷即可显著损害杯测品质。当前产业链中广泛采用的人工目检方式虽然具有实践基础,但长期面临劳动密集、耗时、易受疲劳与光照变化影响、主观判断波动大等问题,且分拣过程中的人工接触还可能造成豆体物理损伤。因此,构建客观、稳定、可实时运行的自动化质量检测系统,成为咖啡加工产业智能化升级的重要需求。

既有研究经历了从传统机器学习到深度学习的演进。早期方法主要依赖颜色、纹理、形态等人工设计特征,并结合人工神经网络(Artificial Neural Network, ANN)、K近邻(K-Nearest Neighbor, KNN)等浅层模型完成分类,虽在受控条件下可获得较高准确率,但对成像条件变化和复杂缺陷模式的适应性不足,且缺少层级特征自动学习能力。随着卷积神经网络(Convolutional Neural Network, CNN)的发展,咖啡豆质量检测的特征表达能力显著增强。进一步地,工业应用对“分类”之外的“定位+识别”提出要求,使目标检测框架,尤其是兼顾速度与精度的YOLO系列,成为更适合分选产线的技术路线。尽管YOLOv10已经通过无非极大值抑制(Non-Maximum Suppression, NMS)推理机制和效率导向设计显著提升了实时性,但在缺陷咖啡豆这一细粒度农业视觉任务中,仍存在精度、速度、轻量化与复杂场景鲁棒性之间难以兼顾的问题,包括微小缺陷识别困难、复杂背景干扰、豆体朝向随机以及密集遮挡等。

针对上述问题,研究人员提出了一种面向缺陷生咖啡豆检测的改进YOLOv10框架,核心目标是:在资源受限边缘设备上,提升多类缺陷识别精度,维持工业部署所需的实时推理能力,并降低模型参数与存储开销。论文的关键创新集中于三个结构模块。其一,在骨干网络中引入带分布偏移的深度可分离卷积(DSConv),通过将标准卷积分解并结合量化与分布重建策略,降低计算与访存负担,同时保留对豆体低层几何与纹理特征的提取能力。其二,构建带注意力机制的快速空间金字塔池化模块(SPPF_Attention),在多尺度池化的基础上叠加通道与空间注意力,实现上下文感知的特征增强,从而更有效地区分复杂背景下的缺陷区域。其三,在检测头中使用部分卷积(PConv),仅对部分通道实施空间卷积,其余通道保留为旁路信息,以减少冗余计算并提升对局部边界、遮挡与不规则形态缺陷的适应能力。研究结果表明,这一三重改进策略使模型在精度、速度和紧凑性上均优于对比基线,特别是优于YOLOv11,显示出较强的产业部署潜力。

研究采用的主要技术方法包括:基于云南保山与普洱小粒种咖啡豆自建数据集开展实验,数据集依据精品咖啡协会(SCA)缺陷标准构建,包含Black Bean、Float Bean、Immature Bean、Moldy Bean、Shell Bean、Shrink Bean和Sour Bean共7类缺陷;通过水平翻转、垂直翻转、模糊和高斯噪声进行数据增强,将1344张原始图像扩增至6695张;以PyTorch实现改进YOLOv10,并采用5折交叉验证、随机划分训练/验证/测试集、早停机制及超参数敏感性分析;结合消融实验、跨数据集验证、EigenCAM激活可视化和混淆矩阵分析,对模型性能、泛化性与可解释性进行系统评估。

5.4.1. Overall performance
在总体性能比较中,研究人员将所提方法与SSD、Faster R-CNN、YOLOv8、YOLOv9、YOLOv10基线和YOLOv11进行对比。在严格的5折交叉验证下,所提模型达到98.5%精确率、98.8%召回率、98.6% F1值和99.2% mAP@50,且标准差极小,表明模型在不同数据划分下保持了高度稳定性。与此同时,模型参数量仅6.99M,模型大小15.6 MB,单张图像推理时延仅2.0 ms,体现出优异的轻量化和实时性。

5.4.2. Comparative analysis
该部分从多个维度说明所提模型相对于不同类别检测器的优势。与SSD和Faster R-CNN相比,该方法在mAP@50和精确率上均取得大幅提升,同时推理速度显著更快,证明传统单阶段与双阶段检测器在密集农业目标场景中的冗余开销较大。与YOLOv8、YOLOv9及YOLOv10基线相比,改进结构在减少参数的同时提升了检测精度,并将YOLOv10基线推理延迟减半。相较YOLOv11,所提模型在精确率、召回率和mAP@50上进一步提高,同时参数量减少21.6%、模型体积缩小12.4%、速度提升33.3%,说明面向任务的定制化优化优于通用结构堆叠。

5.4.3. Cross-dataset generalization analysis
为验证泛化能力,研究人员在3个公开数据集上进行了扩展评估,包括RoastedCoffeeDefectDataset、Coffee Bean Classification Dataset和Green Coffee Beans Dataset。所有数据统一调整为640 × 640输入,并对稀疏或小目标样本进行裁剪与旋转增强。结果显示,改进模型在全部外部数据集上均优于原始YOLOv10:在烘焙豆缺陷数据集上mAP@50达到93.5%,在两个生豆数据集上分别达到97.2%和96.1%,且推理时间稳定在2.0–2.1 ms。该结果说明模型并非仅适用于单一实验室条件,而是学习到了更具不变性的缺陷表征。

5.5. Computational efficiency and practical implications
该部分强调模型的工业应用价值。研究显示,2.0 ms的推理时延使其显著快于Faster R-CNN、YOLOv8和YOLOv11;15.6 MB的模型规模便于部署在内存受限的边缘设备上。研究人员将这一效率优势归因于DSConv降低访存与计算开销、SPPF_Attention在低额外代价下实现定向特征增强、PConv减少通道级冗余卷积。结合99.2% mAP@50和98.8%召回率,该系统可将漏检率控制在约1.2%,因此具备支持多条并行分拣线的能力,并可降低设备投入与维护成本。

5.6. Ablation study
消融实验系统评估了DSConv、SPPF_Attention和PConv各模块的独立贡献及协同效应。结果显示,随着模块逐步加入,Precision、Recall、F1和mAP@50持续单调上升,且标准差不断减小。DSConv显著提升了细粒度缺陷辨识能力,尤其是Immature Bean类别,其召回率由70.0%提升至94.8%,表明该模块对细微颜色与成熟度差异高度敏感。SPPF_Attention进一步增强了上下文表征,对Shell Bean等结构异常类别表现突出,实现了100.0%的精确率。PConv则在复杂边界和部分遮挡场景中提供稳定增益,将Shrink Bean精确率提升至99.9%,并使Shrink Bean与Shell Bean的F1值均超过99.6%。研究据此认为,三者分别对应轻量特征提取、多尺度上下文建模和遮挡鲁棒检测,具有明确而互补的功能分工。

5.7. Performance visualization and interpretability analysis
在可解释性分析中,研究人员采用EigenCAM观察模型的激活分布,并结合归一化混淆矩阵评估分类混淆关系。结果显示,基线YOLOv10的激活区域较分散,存在明显背景干扰,而改进模型的激活更集中于豆体缺陷区域和边界位置,说明注意力机制有效提升了对语义关键区域的聚焦能力。混淆矩阵表明,大多数类别在对角线上具有较高识别率,其中Immature Bean的识别率相对最低,为0.89,且与Black Bean、Sour Bean和Shell Bean存在一定混淆,反映出该类别在颜色梯度和纹理发育上具有较高类内异质性;相比之下,Shell Bean和Shrink Bean几乎可被完美区分。该部分结果进一步支持了模型性能提升源于真实的特征表达优化,而非偶然数据波动。

从讨论部分看,论文强调该研究的意义不仅在于检测精度的提高,更在于在工业边缘部署约束下实现了精度、速度和模型紧凑性的同步优化。文章将所提方法与传统检测器、通用YOLO模型以及公开数据集测试结果结合起来,说明面向咖啡豆缺陷这一特定任务进行结构定制,能够有效突破通用模型在细粒度农业目标检测上的瓶颈。论文也明确指出当前局限:评估对象主要集中于云南小粒咖啡的7类主要缺陷;实验环境虽模拟真实分选场景,但尚未完全覆盖工厂中的高速振动、光照变化和粉尘导致的传感器退化等复杂扰动。未来工作将聚焦于无监督域适应(unsupervised domain adaptation)、迁移学习(transfer learning)和少样本学习(few-shot learning),以增强模型对长尾缺陷、新品种和复杂生产环境的适应能力。

研究结论部分可译为:
该研究通过对YOLOv10框架进行系统性改进,建立了一种高效的咖啡豆质量自动评估范式。为解决工业边缘环境中检测精度与计算约束之间的关键矛盾,研究人员集成了三个互补模块:用于轻量化特征提取的DSConv、用于自适应多尺度上下文聚合的SPPF_Attention,以及用于抗遮挡处理的PConv。研究表明,相较依赖高计算量结构的方案,经过策略性定制的特征优化能够以远低于常规代价的计算成本捕获细微且高度可变的缺陷形态。实证结果证实了这些改进的优越性及协同互补性。在严格的5折交叉验证下,该框架实现了99.2%的mAP@50、98.5%的精确率和98.8%的召回率,可将漏检率控制在1.2%,从而尽量减少不必要的豆体误弃。系统性的消融实验进一步量化了这种优势,相较YOLOv10基线,精确率累计提升9.9%,F1值提升8.8%。更重要的是,这些精度提升并未牺牲部署可行性;与先进的YOLOv11相比,该模型推理速度提升33.3%,参数量减少21.6%。此外,在3个独立公开数据集上的广泛跨数据集评估验证了网络学习到的是内在且稳定的缺陷特征,而非仅仅过拟合于特定实验室条件。对于咖啡加工行业而言,这些指标直接表明该方法是一种可扩展、高通量的自动化分选解决方案,其性能明显优于易受疲劳影响的人工作业。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号