一种基于改进YOLOv11n的复杂自然环境下银杏果高精度检测方法

《Frontiers in Plant Science》:An improved YOLOv11n-based method for high-precision detection of ginkgo fruits in complex natural environments

【字体: 大 中 小 】 时间:2026年07月06日 来源:Frontiers in Plant Science 5.9

编辑推荐:

  摘要:引言:自然田间环境中的银杏果具有颜色显著性低、目标尺寸小、受枝叶严重遮挡以及光照变化复杂等特征。这些因素显著降低了实时检测精度,并限制了现有目标检测方法在实际农业场景中的适用性。方法:为应对上述挑战,本研究提出了一种基于改进YOLOv11n框架的银杏果实

  
摘要:引言:自然田间环境中的银杏果具有颜色显著性低、目标尺寸小、受枝叶严重遮挡以及光照变化复杂等特征。这些因素显著降低了实时检测精度,并限制了现有目标检测方法在实际农业场景中的适用性。方法:为应对上述挑战,本研究提出了一种基于改进YOLOv11n框架的银杏果实时检测方法。研究人员通过采集不同光照条件、不同遮挡程度及不同视角下的银杏果图像,构建了多场景数据集,并采用数据增强策略提升样本多样性与模型泛化能力。在此基础上,将CFNet通道融合模块嵌入主干网络(Backbone),引入动态检测头(DynamicHead)以增强多尺度特征表征,并使用高效交并比(Efficient IoU, EIoU)损失替代原始损失函数,以提高边界框回归精度。上述改进共同构成所提出的CED-YOLOv11n模型,实现了检测精度与推理效率之间的均衡优化。研究人员通过Grad-CAM可视化分析、消融实验以及与经典目标检测模型的对比实验验证了该模型的有效性。结果:实验结果表明,所提出的CED-YOLOv11n在构建的银杏果数据集上取得了94.6%的精确率、85.4%的召回率和93.8%的平均精度均值(mean Average Precision, mAP)。此外,该模型具有轻量化特征,参数规模仅为4.96 MB,推理速度达到53.2 FPS,表现出较强的实时性。与DETR、Faster R-CNN和YOLOv5等主流目标检测模型相比,所提方法获得了更优的综合检测性能。讨论:结果表明,所提方法有效提升了复杂自然环境中银杏果检测的准确性与效率。该方法为智能银杏采收装备中基于视觉的感知系统开发提供了技术支持,并为智慧农业机械系统的进一步优化与集成提供了参考。
该论文发表于《Frontiers in Plant Science》,围绕复杂自然环境下银杏果视觉检测这一关键问题展开研究。银杏兼具生态与经济价值,其果实在医药与食品加工领域具有广泛用途,随着银杏产业规模扩大,传统人工采收方式在作业效率、果实损伤率和用工强度等方面的局限性愈发突出,推动采收装备向智能化、自动化方向演进。在这一背景下,基于机器视觉的果实检测与定位成为精准采收的前提环节。然而,真实果园环境中的银杏果通常呈现小目标、密集成簇分布、枝叶严重遮挡以及光照条件多变等特点,易导致目标边界模糊、特征显著性弱、复杂背景干扰强,从而制约检测模型的识别精度、稳定性和实时部署能力。已有研究虽在多尺度特征融合、注意力机制和边界框回归优化等方面取得进展,但针对银杏果这类小尺度、密集、重遮挡目标,仍存在表征能力不足、检测头动态建模有限以及精度与计算代价难以兼顾等问题,因此开展本研究具有明确的理论价值与应用意义。

针对上述问题,研究人员以YOLOv11n为基线模型,面向复杂自然环境下银杏果检测任务,提出了CED-YOLOv11n改进模型。该模型主要从3个层面进行优化:其一,在主干网络中嵌入级联融合网络(CFNet, Cascade Fusion Network),增强跨尺度信息聚合与通道特征融合能力,以改善遮挡和复杂背景下的小目标表征;其二,在检测头中引入DynamicHead,通过尺度感知、空间感知和任务感知的序列式注意力机制,提高对不同大小、不同可见性果实的自适应检测能力;其三,以高效交并比损失(Efficient IoU, EIoU)替换原有完全交并比损失(Complete IoU, CIoU),通过对中心点、宽度和高度偏差的解耦建模,提高密集分布果实场景中的边界框回归稳定性与定位精度。研究结果表明,该模型在保证轻量化的同时显著提升了综合检测性能,在自建银杏果数据集上实现了94.6%的Precision、85.4%的Recall和93.8%的mAP,模型权重仅4.96 MB,推理速度达到53.2 FPS,并在NVIDIA Jetson AGX Xavier边缘设备上实现23.74 FPS,说明其具备较强的工程部署潜力。

方法概括:研究人员于2024年8月至10月在中国黑龙江省哈尔滨市自然光条件下采集银杏果图像,构建包含低照度、果实重叠、运动模糊、逆光、正常光照、枝叶遮挡及复杂环境等场景的多场景数据集。经LabelImg人工标注后,按8:1:1划分训练集、验证集和测试集,并对训练集实施旋转、翻转、裁剪、亮度调整等数据增强。模型方面,以YOLOv11n为基线,引入CFNet、DynamicHead与EIoU损失;实验方面采用Grad-CAM可视化、消融实验、经典模型对比实验及Jetson边缘部署测试,对检测精度、复杂度与实时性进行系统评估。

以下为论文结果部分的分标题解读。

3.1 不同改进模型的Grad-CAM可视化分析
研究人员采用梯度加权类激活映射(Grad-CAM, Gradient-weighted Class Activation Mapping)对不同改进模型在复杂场景中的特征响应进行可视化比较,以定性评估模型对银杏果关键区域的感知能力与决策稳健性。结果显示,原始YOLOv11n在多数场景中存在注意力分散和背景误激活问题,说明其空间语义聚焦能力不足。单模块改进后,Model 1在抑制背景干扰方面有效,但对低照度小果和遮挡果的响应仍不充分;Model 2在运动模糊场景中的热区边界更紧凑,但对部分遮挡果仍激活不足;Model 3在重叠果实区分方面已有改善,但低照度下仍存在关注分散。双模块组合模型在特定场景中进一步优化了局部性能,但仍具有场景适应性的单维限制。相比之下,集成CFNet、DynamicHead和EIoU的CED-YOLOv11n在低照度、逆光、遮挡、重叠及动态模糊等多种场景下均表现出最优的空间对齐效果,热图能够稳定集中于银杏果几何中心,非目标区域响应明显降低,说明所提结构在复杂背景下显著增强了目标判别能力。

3.2 不同改进模块的消融实验结果
为明确各改进模块的独立贡献及协同作用,研究人员设计了系统消融实验,从检测精度、模型复杂度和实时性能等多个维度展开比较。结果表明,CFNet单独引入后,mAP由88.3%提高至93.5%,Recall达到86.9%,且参数量和模型权重略有下降,说明该模块不仅强化了密集银杏果的小目标特征提取,也兼顾了轻量化需求。采用EIoU后,Model 2取得94.0%的mAP,为所有单模块方案中最高,说明其通过边界框宽高误差解耦建模,有效缓解了密集目标场景下传统CIoU的梯度饱和问题。引入DynamicHead的Model 3则取得87.2%的最高Recall,表明动态检测头对减少漏检、提升多尺度和复杂光照条件下目标响应尤为有效。进一步地,双模块组合模型整体Precision均高于93.1%,显示模块间具有互补作用。最终,CED-YOLOv11n实现94.6%的Precision、85.4%的Recall、93.8%的mAP、4.96 MB权重和53.2 FPS速度,体现出精度、稳定性和实时性的综合优势。训练曲线进一步显示,该模型在Precision、Recall和mAP上始终保持领先,验证集定位损失与分类损失最低,且训练与验证损失间差距较小,说明模型泛化性能较好,协同优化效果明确。

3.3 与经典检测模型的性能比较
研究人员进一步将CED-YOLOv11n与EfficientDet、DETR、Faster R-CNN、RetinaNet、YOLOv5n、YOLOv10n、YOLOv11n和YOLOv12n等主流模型进行比较。结果显示,CED-YOLOv11n取得全体模型中的最高Precision,为94.6%,分别较YOLOv5n、YOLOv10n、YOLOv11n和YOLOv12n提高2.6、1.8、3.2和1.6个百分点。尽管YOLOv10n的mAP达到94.6%,略高于CED-YOLOv11n,但后者在精度、模型规模和推理速度之间实现了更均衡的综合表现。DETR的Precision和mAP分别仅为58.3%和56.3%,为所有模型中最差,反映其在密集小目标场景中对关键目标区域关注不足。Faster R-CNN虽具有较高Recall,但Precision较低,说明复杂背景下候选区域冗余影响了定位质量。RetinaNet和EfficientDet在Precision上表现尚可,但mAP与实时性不足。就部署适应性而言,CED-YOLOv11n模型权重仅4.96 MB,为所有比较模型中最小,而53.2 FPS的速度足以满足自然果园实时作业需求,因此在资源受限边缘环境中更具应用优势。

3.4 不同场景下与经典模型的检测性能差异分析
为考察模型在实际复杂果园场景中的鲁棒性,研究人员在低照度、果实重叠、运动模糊、逆光、正常光照和枝叶遮挡6类典型场景中进行了可视化对比。结果表明,各模型在场景适应性上差异显著。低照度条件下,DETR易受全局注意力机制影响,难以稳定聚焦小目标果实区域,漏检明显;Faster R-CNN与RetinaNet可识别部分目标,但存在边界框偏移、低置信度与漏检问题;EfficientDet出现较多误检和漏检,说明其对银杏果识别适配性有限。传统YOLO模型中,YOLOv5n整体表现最稳定,在正常光照、果实重叠和枝叶遮挡场景下具有较强基线识别能力,但在低照度、逆光和模糊条件下仍存在小目标语义传播不足和定位偏差。YOLOv10n在运动模糊场景中表现突出,与其较高Recall相一致。总体上,CED-YOLOv11n在所有复杂场景下均表现最佳,不仅保持较高检测置信度,还具有更紧凑的边界框和更少的漏检,说明CFNet、DynamicHead与EIoU的协同作用显著提升了模型对复杂光照、遮挡和尺度变化的适应能力。

3.5 边缘设备部署可行性与性能评估
为验证模型在资源受限条件下的工程应用潜力,研究人员将YOLOv11n和CED-YOLOv11n部署于NVIDIA Jetson AGX Xavier平台,并使用自建银杏果数据集开展嵌入式推理测试。结果显示,CED-YOLOv11n在边缘设备上平均推理速度为23.74 FPS,低于PC端的53.2 FPS,但仍可满足实时检测需求;同时,各检测结果的置信度均高于86%,表明模型在低算力平台上仍保持良好的识别稳定性。与原始YOLOv11n相比,CED-YOLOv11n在边缘端虽略有速度下降,但综合精度与应用价值更高,验证了其轻量化设计和嵌入式部署可行性,为智能农业装备中的视觉感知系统提供了可落地的技术方案。

在讨论部分,研究人员指出,CED-YOLOv11n的性能优势并非来自模块简单叠加,而是源于特征提取、特征利用和边界框回归3个层面的协同优化。CFNet通过级联式多尺度融合增强小目标语义表征,并降低参数量;EIoU在密集果实场景中改善邻近目标边界回归精度;DynamicHead通过尺度、空间和任务层面的联合调制提升复杂遮挡与尺度变化条件下的响应稳定性。与已有果实检测研究相比,该模型在小尺度、密集、重遮挡银杏果检测任务中表现出更有针对性的优势,同时兼顾轻量化和实时性。论文也明确指出,受限于数据采集区域和果实成熟期单一,数据集在场景多样性方面仍有不足,模型跨区域、跨作物泛化能力尚需进一步验证。未来可通过构建多区域、全生育期大规模数据集,并结合多模态感知与跨域微调策略,继续提升模型的稳定性、泛化能力和跨作物适配性。

结论翻译:为解决复杂自然环境下银杏果目标特征显著性弱、尺度变化大及遮挡干扰严重等问题,并支撑自动化、智能化银杏采收装备的开发与应用,本研究基于机器视觉技术以及卷积神经网络(CNN, Convolutional Neural Network)在特征提取和目标检测任务中的优势,提出了一种适用于多场景条件的银杏果实时检测模型CED-YOLOv11n。基于本研究可得以下结论:第一,在YOLOv11n基础上引入CFNet、DynamicHead和EIoU损失函数,构建了CED-YOLOv11n银杏果检测模型。实验结果表明,与YOLOv11n相比,所提模型的Precision、Recall和mAP分别提高了3.2%、2.8%和5.5%,检测性能得到显著提升。第二,Grad-CAM可视化结果与识别性能分析表明,所提出的3种改进策略能够有效增强模型的特征提取能力和上下文信息利用能力,显著降低复杂背景对预测结果的干扰,从而在保持检测效率的同时进一步提升检测精度。第三,与Faster R-CNN、EfficientDet、RetinaNet、DETR及多种YOLO系列模型的比较结果表明,CED-YOLOv11n获得了最佳综合性能,Precision为94.6%、Recall为85.4%、mAP为93.8%;同时,该模型在保持最小模型尺寸的情况下实现了较高FPS,满足复杂田间环境下边缘计算应用需求。第四,CED-YOLOv11n在银杏果检测任务中较好地平衡了精度、稳定性与实时性,验证了改进策略的有效性。该模型能够满足复杂自然场景下自动识别需求,可为果园作业提供可靠的视觉感知基础,并为智慧农业中的果实目标检测研究提供有价值的参考。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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