面向智慧果园的轻量化苹果检测模型研究
胡峻峰
刘子龙
刘大洋
东北林业大学 计算机与控制工程学院,黑龙江 哈尔滨 150040
摘要：在农业自动化采摘装备研发过程中,高精度识别、实时响应与轻量化设计成为目标检测算法需满足的核心指标.针对上述技术挑战,构建了轻量级苹果检测模型YEMB-FPN(YOLOv10n-efficient multi-branch FPN).模型在主干网络(Backbone)使用分组高效多尺度卷积模块GEMS(Grouped efficient multi-scale)代替原始YOLOv10n的主干网络最后2个C2f模块;在颈部网络(Neck)中,整体框架采用双向特征金字塔网络结构,使用加权双向特征金字塔融合模块(BiFPN_Fusion)替代原Neck的Concat,并创新设计跨阶段多尺度融合模块CS-MSFB(Cross-stage multi-scale fusion block)替代原Neck中的所有C2f和C2fCIB模块,完成模型改进.采用自建果园苹果目标检测数据集进行验证.结果表明,YEMB-FPN模型的mAP50达到98.6％,模型大小仅为4.6 MB,较基本模型YOLOv10n的mAP50提升3.3百分点,模型大小减少1.2 MB.表明该算法模型有效提升了苹果检测精度,轻量化设计显著增强了模型在低算力硬件平台的适配性.
关键词：苹果目标检测YOLOv10n特征金字塔网络多尺度卷积轻量化
分类号：S126(农业物理学)S663.1(果树园艺)TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(32202147)中央高校基本科研专项(2572019BF09)
论文发表日期：2026-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 140-149 )
英文信息