基于改进YOLO11s算法的苹果成熟度检测识别
李卫宇
孙德杰
河北科技师范学院,河北 秦皇岛 066004
摘要：针对当前苹果成熟度检测场景中存在漏检、定位偏差大、轻量化部署难等问题,在YOLO11s算法框架基础上,引入了AKConv自适应核卷积以增加多尺度特征提取能力,融合SE与CBAM注意力机制,进一步加强成熟度特征的判断;采用了EIoU和SIoU损失函数优化边界框回归,使检测边框更贴合苹果的真实形态.训练及算法对比结果表明:11s-AK算法参数量和存储空间最小,比原始算法分别减少了4.2%和3.82%,适于轻量化部署;11s-AK-SE综合性能最优,召回率为84.1%,居于几种改进算法之首;与原始算法相比,参数量减少了3.19%,存储空间(Size)减少了3.22%,召回率提升了0.96%,mAP50提升了0.68%,mAP50-95提升了0.4%;11s-AK-CB-SI的精度最优,mAP50高达88.9%,适用于成熟度检测场景.
关键词：苹果成熟度检测YOLO11s自适应核卷积注意力机制损失函数轻量化部署
分类号：TP391.41(计算技术、计算机技术)S12(农业物理学)
论文发表日期：2026-01-25
在线出版日期：2026-03-25（本平台首次上网日期，不代表文献的发表时间）
页数：4( 44-47 )