基于Transformer-CNN特征深度融合的复杂环境香梨目标检测

来源：农业机械学报杂志2026年第2期北京时间：

作者：杨瑛，谭忠，郑文轩

单位：江苏第二师范学院,厦门大学,江苏第二师范学院,

摘要：为了能在复杂环境下提高香梨目标检测准确性，本研究提出了一种基于Transformer-CNN特征深度融合的TC-ICSA-YOLO v8香梨目标检测模型。模型有效融合了卷积神经网络CNN在提取图像局部（高频）特征信息和Transformer在提取图像全局（低频）特征信息的优势，设计了Inception dilated卷积模块和自适应细节融合模块ADI，引入挤压增强轴向注意力机制SeaAttention和坐标注意力机制CA等提升模型的特征提取能力，采用傅里叶变换FT进行数据增强，使用频率斜坡结构以更好地平衡局部（高频）特征信息和全局（低频）特征信息成分，从而优化网络在特征提取过程的性能表现。试验结果表明，TC-ICSA-YOLO v8模型在验证集上的平均精度均值（mAP）、精确率、召回率和检测速度分别达到97.01%、97.33%、95.69%和81.21f/s。本文模型对夜间拍摄的图像目标检测精度也优于同等条件的YOLO v8s模型；其平均精度均值（mAP）与Faster R-CNN、YOLO v3、YOLO v7s、YOLO v8s、SwinTransformer、RT-DETR模型对比分别提高14.65、3.34、0.52、0.20、6.68、5.45个百分点；模型内存占用量分别减少74.60、34.16、9.48、16.81、20.84、13.64MB，本文模型检测精度更高，参数量更少,更有利于部署在移动端。本文提出的检测模型对香梨具有很好的目标检测效果，为复杂环境下目标检测提供参考，可为香梨自动化采摘提供技术支撑。

关键词：Transformer;香梨;目标检测;傅里叶变换

基金资助：国家自然科学基金项目（51466014）