农业机械学报

作者：赵斌，李明洋，王淞，王迪，孙博，肖延伟，陈修成

单位：黑龙江八一农垦大学;黑龙江省农机智能装备重点实验室,黑龙江八一农垦大学,黑龙江八一农垦大学,黑龙江八一农垦大学,黑龙江八一农垦大学,黑龙江八一农垦大学,黑龙江八一农垦大学,

关键词：旱直播水稻;目标检测;YOLO v11n;多维度特征提取

基金：国家自然科学基金青年基金项目（32201655）、智慧农机电源与电网融合互动关键技术与商业模式研究项目（SGJNO000SCJS2310075）和黑龙江八一农垦大学研究生创新科研项目(YJSCX2024-Z02)

针对三至四叶期的旱地直播水稻秧苗种植密度高，秧苗检测难度大的问题，为实现东北地区复杂旱地环境中对直播秧苗植株精准计数，本文提出基于改进YOLO v11n模型的旱直播幼苗检测方法。首先，采用全维度动态卷积（Omni-dimensional dynamic convolution, ODConv）优化C3k2卷积块，增强复杂旱地环境秧苗特征捕获能力，提升模型对秧苗浅层特征的提取；其次，将快速空间金字塔池化（Spatial pyramid pooling fast, SPPF）替换为焦点调制机制（FocalModulation, FM），通过多尺度特征交互与注意力融合，保留秧苗关键特征与提升多尺度目标适应性；最后，在主干网络C2PSA模块中引入三重注意力机制（Triple Attention, TA），构建多维度特征增强策略，强化深层特征表征。构建旱田直播秧苗图像的数据集，利用该数据集对改进后的模型进行训练和验证。测试结果表明：改进的YOLO v11n-TFO旱直播秧苗检测算法的检测精度（P）、召回率（R）、平均精度均值（mAP50）和检测速度分别为88.2%、79.6%、89.4%、217.9f/s，其中mAP50较改进前提升6.5个百分点，模型浮点计算量6.0×109，低于主流目标检测模型，构建的检测平台中旱直播秧苗计数精度达到87%以上。本文提出的基于YOLO v11n-TFO的寒地旱直播水稻检测模型有效平衡检测精度与算力的关系，且模型具有较好的可解释性，可满足旱直播水稻计数需求。

来源：2025年第9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9期