农业机械学报

作者：李尚平，刘建举，王恒，王宝银，李凯华

单位：广西民族大学;广西蔗糖产业省部共建协同创新中心,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,

关键词：甘蔗蔗芽识别;YOLO 11n;轻量化;动态检测

基金：国家自然科学基金项目(52165009)和广西科技重点研发项目(桂科AB18281016)

为解决甘蔗备种过程中人工筛选蔗芽效率低、劳动强度大等问题，围绕模型检测精度与动态识别率2个关键点，提出基于改进YOLO 11n的轻量级模型(YOLO 11n-EWL)，以提升图像中蔗芽检测精度；并通过系统性实验优化动态识别效果。采用Sobel算子对C3k2模块进行改进，通过结合提取边缘信息的Sobel Conv分支提高对蔗芽检测精度；引入小波池化（Wavelet pooling）优化基线模型（YOLO 11n）中的池化方法，在提升检测精度的同时降低了模型复杂度；基于轻量化共享卷积检测头（Lightweight shared convolutional detection, LSCD），使用细节增强卷积（detail-enhanced convolution, DEC）进行改进，设计一种更轻量化的LSCDECD（Lightweight shared convolutional detection detail-enhanced convolution）检测头，进一步减少检测模型浮点运算量和参数量，使之更适合边缘系统部署。结果表明，改进后模型（YOLO 11n-EWL）mAP@0.5、精确率、召回率分别为99.4%、99.2%、98.3%，相较基线模型（YOLO 11n）分别提高4.7、3.7、12.6个百分点，浮点运算量和参数量分别减少25.8%和31.7%，帧率提高14f/s。当输送带速度、光照强度和曝光时间分别为18.84cm/s、16520lx和1000μs时，蔗芽动态检测识别率达到99.0%，蔗段平均识别速度4522段/h。

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