农业机械学报

作者：张东彦，叶佳炜，郭阳阳，胡根生，李威风，唐晶磊，韩冬

单位：西北农林科技大学,西北农林科技大学,安徽大学,安徽大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：羊只检测;YOLO v10;无人机;小目标;MobileNetV4;轻量化

基金：内蒙古自治区科技计划项目(2022YFSJ0039)

为满足内蒙古草原牧场牧户对大批散养羊群实现精准实时监控和管理的需求，提出一种高精度、轻量化的实时无人机遥感目标检测模型 MLL-YOLO v10s (MobileNetV4 LSKA LSCD-YOLO v10s),实现无人机高空视角下大批羊群中羊只的实时检测。为解决羊群密集和相互遮挡造成的羊只检测困难以及实时性差的问题，基于 YOLO (You only look once) v10 模型，采用MobileNetV4作为主干网络，降低模型参数量并提升计算效率;引入大型可分离核注意力模块（LSKA），增强对小目标的特征捕获能力;设计轻量化共享卷积检测头（LSCD），通过权重共享减少计算冗余，提高模型的计算效率。与 YOLO系列、Faster R-CNN (Faster regions with convolutional neural networks) 及其他经典网络模型相比，改进后的MLL-YOLO v10s模型在测试集上的mAP达到了93.6%，较基线模型提升3.4个百分点，平均帧率为135f/s，参数量仅1.268×107，在密集遮挡场景下漏检率显著降低，模型体积与计算量优于主流单/双阶段目标检测算法。提出的MLL-YOLO v10s模型在无人机航拍场景下对高密度聚集及部分遮挡的羊只目标展现出更强的鲁棒性，在参数量和计算量上也有明显优势，为边缘计算设备与无人机结合应用提供支持，可为天然牧场中使用无人机巡检羊群提供一种有效的实时检测方法。

来源：2025年第10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10期