基于RT-DETR的复杂果园环境下青橘检测方法

来源：电子测量技术杂志2025年第11期北京时间：

作者：秦建华，陈振伦，万保雄，陆泰良，雷军乐

单位：1.桂林理工大学广西高校先进制造与自动化技术重点实验室 桂林 541006;2.桂林理工大学机械与控制工程 学院 桂林 541004;3.广西特色作物研究院广西桂北特色经济作物种质创新与利用重点实验室 桂林 541004

摘要：青橘智能收获依赖快速精准的检测技术。针对青橘尺寸多样、果园环境复杂及果实与背景相似度高导致的检测精度不足和漏检问题，本研究提出了一种轻量且高精度的青橘检测模型（RT-GCTR）。该模型采用大感受野小波卷积模块（WCLRF_Block）增强多尺寸目标特征提取，结合多尺度多头自注意力机制（MSMHSA）构建多尺度融合模块（MSMH-AIFI），自适应聚合多尺度特征，并引入SPDConv与CSP-OmniKernel模块设计SCOK-CCFF特征金字塔，提升小目标检测精度。实验结果表明，RT-GCTR在训练数据集1和测试数据集2上的AP50分别为92.0%和92.2%，优于其他先进模型。与RT-DETR-r18相比，RT-GCTR的参数量和浮点运算量分别减少26.7%和25.4%，在NVIDIA Jetson Orin NX上检测速度达10.3 fps。本研究在降低复杂度的同时，提升了精度和实时性，满足边缘设备需求。

关键词：青橘;Transformer;深度学习;目标检测

基金资助：国家自然科学基金（52465026）、国家现代农业产业技术体系广西创新团队（nycytxgxcxtd-2023-13-02）、广西自然科学基金（2021GXNSFAA220091）项目资助