农业机械学报

作者：张?，朱雅丽，高健，张景路，宁纪锋，张绘芳

单位：西北农林科技大学,新疆维吾尔自治区林业科学院,新疆维吾尔自治区林业科学院,新疆维吾尔自治区林业科学院,西北农林科技大学;陕西省农业信息智能感知与分析工程技术研究中心,新疆维吾尔自治区林业科学院,

关键词：香梨;YOLO v12;落果检测;冰雹灾害;CA注意力机制

基金：新疆维吾尔自治区重点研发计划项目（2023B02004-1）

准确检测灾后落果的数量和分布信息，对林果灾后快速定损具有重要意义。针对非结构化果园环境，无人机获取的航拍图像中香梨果实颜色与果叶相似，易受地面杂物遮挡等问题，本研究提出一种基于改进YOLO v12的灾后香梨落果检测方法。以YOLO v12模型为基础，在特征提取层嵌入CA（Coordinate attention）注意力模块，增强模型对小尺度落果目标的特征提取能力；在颈部网络中采用双向加权特征金字塔（BiFPN）结构，通过跨尺度特征双向融合与自适应权重分配，优化低层高分辨率特征对小目标的表征能力，缓解香梨果实因分辨率不足导致的漏检问题；最后，引入ShapeIoU损失函数，动态调整特征权重，提升对形状不规则香梨落果的边界回归准确性。试验结果表明，改进后的YOLO v12在香梨落果数据集上的平均精度均值（mAP@0.5）、精确度和召回率分别达到94.9%、88.8%和87.6%，均优于YOLO v7-tiny、YOLO v8n、YOLO v9s、YOLO v10n、YOLO 11n和YOLO v12n模型。研究结果表明，改进后的YOLO v12模型对冰雹灾后落果香梨具有更优的检测性能，在复杂果园环境下能够精准识别密集、小尺寸及部分遮挡的落果目标，为复杂环境下香梨的灾后损失评估提供技术支持。

来源：2025年第11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11期