农业机械学报

作者：孟庆建，翟志强，张连朴，吕继东，王虎挺，张若宇

单位：石河子大学;农业农村部西北农业装备重点实验室,石河子大学;农业农村部西北农业装备重点实验室,石河子大学;农业农村部西北农业装备重点实验室,石河子大学;农业农村部西北农业装备重点实验室,石河子大学;农业农村部西北农业装备重点实验室,石河子大学;农业农村部西北农业装备重点实验室,

关键词：残膜识别;YOLO 11模型;目标检测;模型轻量化

基金：国家重点研发计划项目(2022YFD2002400)、兵团科技攻关计划项目(2023AB014、2022DB003)、新疆棉花产业技术体系项目(XJARS-03)和自治区科技支疆计划项目（2024E02016）

为实现残膜回收机在自然环境中快速、准确地识别棉田地表残膜目标，本文提出了一种基于DCA-YOLO 11轻量化模型的棉田地表残膜识别方法。以4JMLE-210型残膜回收机工作后棉田地表残膜为研究对象，在不同时间段采集地表残膜图像900幅，通过透视变换、图像裁剪、数据清洗、数据增强等预处理，最终得到5215幅残膜样本图像，按照4∶1划分为训练集和测试集，实现了对棉田地表残膜的数据集构建。通过在YOLO 11模型主干网络中增加深度可分离卷积（DWConv）模块代替通用卷积（Conv）模块，用于减少计算复杂度和参数量；通过在输出检测端末尾加入CBAM卷积块注意力机制模块来提高模型的感知能力，减少边缘与背景干扰；通过用ADown模块替换主干网络中的Conv模块，实现残膜特征图不同层之间的下采样，减少特征图空间维度，保留关键信息来提高残膜目标检测准确性。试验结果表明，在复杂自然环境下，DCA-YOLO 11模型精确率P为81.9%，召回率R为80.9%，平均精度均值mAP（重叠率0.5）为86.7%，参数量为2.20×106，处理速度为80f/s。通过对不同模型进行对比试验，DCA-YOLO 11模型检测精确率比YOLO v10、YOLO v9、YOLO v8分别高2.9、2.3、3.8个百分点，召回率比YOLO v10、YOLO v9、YOLO v8分别高2.0、1.0、1.8个百分点，处理速度比YOLO v9、YOLO v8分别提升12.7%、14.2%，略低于YOLO v10。DCA-YOLO 11模型在保证精度的同时，模型最小，参数量最少，证明其轻量化与优越性。模型通过泛化性试验，其在验证数据集上的检测结果，R2为0.72，平均绝对误差和均方根误差分别为4.92个和2.72个，提出的DCA-YOLO 11轻量化模型泛化性较好。该研究可为残膜回收机械在复杂环境下精准、高效捡拾残膜以及残膜回收机回收率车载视觉估测提供理论依据与数据基础。

来源：2025年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第5期