复杂果园场景下基于Grape—DETR的轻量化葡萄果穗检测

来源：中国农机化学报杂志2026年第5期北京时间：

作者：岳晓菊, 李洪安

单位：(1. 山西经济管理干部学院，太原市，030024; 2. 西安科技大学人工智能与计算机学院，西安市，710699)

摘要：为提高复杂果园场景下葡萄果穗实时检测的精度和速度，以RT—DETR—R18为基准模型，提出Grape—DETR轻量化检测模型。首先，设计轻量化主干网络CP—ResNet18，通过引入部分卷积与双重残差结构，在降低参数量和计算量的同时保持对果穗边缘与纹理细节的表征能力。其次，在颈部网络中构建分裂特征注意力(Split‑Feature Attention, SFA)模块，利用正负极性双流解耦建模，显式强化前景果实与枝叶背景之间的对比信息，在近线性计算复杂度下提升小尺度与遮挡目标的判别能力。最后，在边界框回归分支中引入MPDIoU损失函数，将区域重叠率与角点欧氏距离联合优化，缓解高重叠目标下梯度弱化问题，加速模型收敛并提高定位精度。试验结果表明，Grape—DETR在测试集上的mAP@0.5和FPS分别达到93.7%和67.3 f/s，较RT—DETR—R18分别提升4.1个百分点和3.9 f/s；同时参数量与计算量分别降低19.1%和14.9%。这些显著改进表明Grape—DETR可为葡萄果穗实时检测与智能管理提供有效技术支撑。

关键词：葡萄果穗检测,轻量化网络,损失函数,自注意力,深度学习

基金资助：陕西省自然科学基础研究计划(2023—JC—YB—517)