基于YOLO11n网络的番茄生长阶段检测算法改进

来源：中国农机化学报杂志2026年第5期北京时间：

作者：王硕, 许汉良, 刘海龙, 吴传宇

单位：(福建农林大学机电工程学院，福州市，350002)

摘要：为解决认养农业中认养者因工作繁忙等原因难以持续关注作物，导致参与感下降、作物管理不善的关键问题，提出一种轻量化、高精度的番茄全生长周期监测算法—REIS—YOLO。该算法以YOLO11n为基准，从三方面进行核心优化：构建融合重参数化思想的HRD—Net主干网络，提升计算效率与特征提取能力；采用多尺度EfficientHead检测头，以提升对不同尺寸目标的检测精度；引入为小目标优化的InnerShapeIoU损失函数，提高定位准确性。试验结果表明，相较基准模型YOLO11n，REIS—YOLO算法实现全面超越。其mAP@0.5指标提升4.3个百分点，增强识别可靠性。同时，模型效率也大幅优化：参数量与计算量分别显著降低27.8%和28.6%，同时实现轻量化，在精度与效率间取得出色平衡，可高效部署于边缘设备，为认养农业模式提供低成本、高精度的监测方案。

关键词：认养农业,番茄,生长阶段,深度学习,目标检测,轻量化网络

基金资助：国家自然科学基金资助项目(2024J01417)