基于LC—YOLO的自然场景荔枝果实实时检测算法

来源：中国农机化学报杂志2026年第3期北京时间：

作者：党婉誉, 周烨炆, 徐斌腾

单位：1. 驻马店职业技术学院信息工程学院，河南驻马店，463000； 2. 河南省乡村智慧农业工程研究中心，河南驻马店，463000； 3. 河南农业大学信息与管理科学学院，郑州市，450002；4. 郑州大学信息工程学院，郑州市，450001

摘要：荔枝人工采摘效率低、劳动强度大，利用机器视觉实现自动化检测与采摘既高效又安全。然而，高实时性需求、小目标检测困难、复杂背景干扰以及果实相互遮挡等问题，使自动检测任务充满挑战。为此，提出一种基于LC—YOLO（Litchi—YOLO）的荔枝果实检测算法。在YOLOv11架构基础上，引入AKConv模块以优化特征提取能力并降低模型复杂性；构建引导注意力模块（GAM）提升多尺度特征融合能力并抑制背景噪声；采用MPDIoU损失函数以提高密集目标场景下的定位精度。试验结果表明，LC—YOLO在检测精度、模型轻量化和实时性能方面显著优于主流目标检测模型，其召回率和mAP分别达到95.6%和94.5%，实时性达到96.8帧/s。此外，在嵌入式平台Jetson Nano上，LC—YOLO实现26.4帧/s的推理速度和7.9 W低功耗，展现出优异的跨平台适应性及资源受限环境中的鲁棒性。

关键词：荔枝,果实检测,自然场景,轻量化模型,注意力机制,损失函数

基金资助：国家自然科学基金资助项目（62002330）