基于改进YOLOv11n算法的草莓成熟度检测模型构建
郑再飞
吕长鑫
徐秀义
渤海大学 食品科学与工程学院,辽宁 锦州 121013
摘要：准确且高效的草莓成熟度评估对于提高现代农业中的果实品质和收割标准化至关重要.然而,传统的手工检查方法存在主观性强和效率低下的问题.本研究旨在针对复杂环境下的草莓成熟度实时分类任务,提出了一种基于YOLOv11n的增强型轻量级目标检测模型.该模型整合了LightGhostConv模块、LightCA注意力机制和优化的C2f模块,以改善小物体特征提取、降低计算复杂度并增强对遮挡和光照变化的鲁棒性.在我国锦州收集了一个包含"红颜"草莓不同成熟度等级的定制数据集,数据集在各种光照和遮挡条件下进行采集.实验结果表明,改进后的模型实现了92.6%的平均精度,推理速度为 49 fps,参数数量仅为 2.24 M,优于原始的 YOLOv11n 以及其他主流模型,如 YOLOv5n、YOLOv8n和YOLOv10n.基于此模型,进一步开发了一个基于网络的检测系统,该系统支持图像上传、分类和可视化操作,从而为智能收获应用提供了实用的支持.这项工作为移动终端的轻量级部署提供了一种可行的解决方案,并在智能农业和精准水果收获领域具有广阔的应用前景.
关键词：草莓成熟度小目标检测轻量化模型YOLOv11n坐标注意力设施农业
分类号：S126(农业物理学)TP391.41(计算技术、计算机技术)
论文发表日期：2025-09-15
在线出版日期：2025-12-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 170-179 )
英文信息