基于改进YOLO 11的多尺度板栗果实识别方法

来源：农业机械学报杂志2025年第5期北京时间：

作者：李茂，肖洋轶，宗望远

单位：华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,

摘要：为解决现阶段自然条件下板栗目标尺度不一带来的检测局限性，本文基于改进YOLO 11模型提出一种多尺度板栗果实识别方法YOLO 11-MCS。提出了多尺度关键特征聚合模块（MKFA），并将其引入C3k2模块，构建C3k2-MKFA特征提取模块，有效捕捉不同尺度特征信息；提出了CGAFPN网络，通过内容引导注意力模块引入小目标检测层，弥补了原生算法在多尺度、小目标检测中存在的不足；提出了共享卷积分离批量归一化检测头（SCSB），采用共享卷积和分离批量归一化结构，实现跨尺度特征高效提取，增强了不同尺度特征一致性。试验结果表明，改进模型板栗识别准确率为88.2%，召回率为79.2%，平均精度为87.2%，相较于原始YOLO 11s模型，准确率、召回率、平均精度分别提升0.8、5.9、5.5个百分点。采用通道式特征蒸馏后模型平均精度为84.7%，模型内存占用量为6.0MB，经Infer推理库在Jetson Nano上部署后，检测时间为23ms/幅，满足板栗识别要求。

关键词：YOLO 11-MCS;板栗;多尺度;目标识别;知识蒸馏

基金资助：湖北省重点研发计划项目（2020BED027）和湖北省自然科学基金项目（2023AFB871）