SCALA-YOLOv8：面向密集分布小目标的樱桃果实检测

来源：计算机工程与应用杂志2026年第12期北京时间：

作者：毕祥, 宋传鸣, 季洁, 王建军, 汪祖民

单位：1.大连大学 信息工程学院，辽宁 大连 116622；2.觅视科技（大连）有限公司，辽宁 大连 116620；

摘要：樱桃果实检测面临密集分布与多尺度小目标共存的挑战，传统目标检测方法在应对此类复杂场景时尚有明显局限。为此，提出一种空间-通道特征压缩与大核注意力增强的樱桃果实检测模型SCALA-YOLOv8（spatial-channel feature compression and large kernel attention enhanced YOLOv8）。提出空间-通道特征压缩模块，通过基于双单元结构的分级动态特征调制与抽取机制，提升局部特征捕捉和信息传递效率，突破静态特征融合的局限；利用并行结构与跳跃连接，提出多级可变形大核注意力模块，通过多级特征融合与感受野的动态调整策略，有效融合细尺度细节信息与粗尺度语义信息，强化网络对密集分布小目标的感知能力；提出全局位置-局部分布协同优化的损失函数，采用自适应的权重系数将归一化Wasserstein距离与交并比损失进行线性组合，有效提升边界框的回归精度。实验结果表明，SCALA-YOLOv8在樱桃果实检测任务中的平均精度均值（mAP）达到82.8%，比YOLOv8模型提升了10.7个百分点。SCALA-YOLOv8可用于智慧农业、农业智能装备的果实检测任务。

关键词：目标检测,YOLO,空间-通道特征压缩,可变形大核注意力,樱桃

基金资助：辽宁省重点研发计划项目（2025JH2/102800026）；大连市科技特派团项目（大科社农发〔2020〕166号）；大连大学学科建设专项（学科交叉方向建设项目）（大连大学学科通知2025[006]号）。