研究与设计 | 基于YOLOv11轻量化番茄果实成熟度识别算法模型的改进
研究与设计 | 基于YOLOv11轻量化番茄果实成熟度识别算法模型的改进
摘要:针对智慧农业对番茄果实采摘的高效、无损、识别精度高的需求,以及现有模型网络参数与检测精度难以平衡的问题,提出了一种基于改进YOLOv11的Light-YOLOv11轻量化番茄成熟度识别模型。首先,采用C3K2_PCG模块改进C3K2模块,结合 TransNeXt的Convolutional GLU和FasterNet 的思想,对C3K2模块进行创新,在稳定模型参数量和计算量的情况下进一步增强融合能力和特征提取性能;其次,采用下采样ADown模块改进下采样模块,使模型更加轻量化,可以更好地保留番茄图像的特征信息和多尺度融合;最后,对比CIoU、EIoU、PIoU、DIoU和GIoU五种损失函数,最终选择能够显著提升检测性能的DIoU损失函数。通过消融实验验证各模块改进效果,结果显示:改进后的模型Light-YOLOv11较基线模型在平均精度mAP50、精确率和F1分别提高了 0.3、2.01、1.77 个百分点,召回率提升了1.77个百分点;其计算量、参数量分别降低了 27% 和 32.2% ,模型大小缩小了 28.9% ,FPS达到了347.67。改进后的模型在保证识别番茄成熟度高精度的同时,实现了模型网络参数更加轻量化,适合部署在番茄采摘机器人的嵌入式系统,为智能农业番茄采摘机器人的发展提供了新的技术支撑和理论依据。