基于BCD-YOLO算法的復雜場景中藍莓果實檢測研究

中圖分類號：TP391.41 文獻標志碼：A

0 引言

在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，藍莓作為一種富含營養(yǎng)且經(jīng)濟價值較高的水果，其種植規(guī)模與產(chǎn)量呈現(xiàn)持續(xù)增長的趨勢。為了實現(xiàn)果園的自動化管理和精準農(nóng)業(yè)生產(chǎn)，藍莓果實的檢測與識別技術(shù)變得至關(guān)重要。然而，藍莓果實在復雜自然環(huán)境下的檢測面臨多重挑戰(zhàn)[1-2]，例如樹葉枝條遮擋導致果實部分不可見，不均勻光照影響成像質(zhì)量，且果實體積小、分布密集，易造成小目標漏檢[3-4] 。

盡管傳統(tǒng)的YOLOv11模型在通用目標檢測領域性能優(yōu)異，但在應對上述復雜場景下的藍莓果實檢測時，存在一定的局限性[5]。一方面，該模型對于小目標的識別能力不足，難以準確檢測出密集分布且體積較小的藍莓果實；另一方面，其多特征融合效果不佳，無法充分利用不同層次的特征信息來提高檢測精度。

劉擁民等[將YOLO系列模型應用于藍莓成熟度檢測，通過改進模型結(jié)構(gòu)、融合注意力機制等方法，提高了模型在復雜場景下的檢測性能。同時，溫艷蘭[7]針對目標小、易受遮擋等特點，設計專門的算法和模型，解決小目標檢測和遮擋問題。此外，一些研究還結(jié)合其他技術(shù)，如遷移學習、多尺度特征提取等，進一步提升藍莓檢測的精度和魯棒性[8]。盡管對此的研究已經(jīng)取得了一些成果，但在實際應用中，如何在復雜的自然環(huán)境下實現(xiàn)快速、準確的藍莓檢測與識別，仍然是一個具有挑戰(zhàn)性的問題，需要進一步的研究和探索。

針對上述問題，本文提出一種專門用于藍莓檢測任務的BCD-YOLO模型。該模型基于YOLOv11進行優(yōu)化升級，引入多項創(chuàng)新設計來提升復雜場景下對藍莓果實的檢測性能，旨在為果園自動化采收和產(chǎn)量預估提供一種更加高效、準確且魯棒的技術(shù)手段，推動藍莓產(chǎn)業(yè)的智能化發(fā)展。

1數(shù)據(jù)集構(gòu)建

目前，藍莓檢測的數(shù)據(jù)集仍較為稀缺，本文為滿足藍莓檢測識別需求，構(gòu)建了專屬的藍莓數(shù)據(jù)集。數(shù)據(jù)采集自不同地區(qū)的藍莓種植園，通過實地考察，多角度拍攝，確保圖像能夠真實反映藍莓自然生長狀態(tài)，同時兼顧光照、角度、生長階段及遮擋物等因素，以保證圖像的多樣性。本文利用專業(yè)工具對圖像中每顆藍莓果實進行精準標注，記錄其位置、大小、成熟度等信息并標注遮擋、光照不均等干擾因素，從而提升檢測模型對復雜場景的適應能力，數(shù)據(jù)集內(nèi)藍莓圖片如圖1所示。

圖1數(shù)據(jù)集示例

數(shù)據(jù)集按照 7：2：1 的比例劃分為訓練集、驗證集和測試集，分別用于模型參數(shù)學習、性能評估與調(diào)整及最終性能測試。自建藍莓數(shù)據(jù)集共包含1640張照片和10468個標注的邊界框。該數(shù)據(jù)集具有高質(zhì)量、多樣性和實用性的特性，為BCD-YOLO模型的藍莓檢測識別研究提供了可靠的數(shù)據(jù)基礎，有助于提高模型檢測精度和泛化能力，推動藍莓產(chǎn)業(yè)智能化發(fā)展。

2模型設計

2.1 YOLOv11模型

YOLOv11憑借其精簡架構(gòu)和快速檢測速度，在目標識別任務中得到了廣泛應用，模型架構(gòu)如圖2所示[9]

圖2YOLOv11檢測模型架構(gòu)

YOLOv11主干網(wǎng)絡由Conv、C3k2、SPPF和C2PSA等模塊構(gòu)成，這些模塊負責從多個尺度的輸入圖像中提取特征。Neck 部分由C3K2、Upsample 和Concat模塊構(gòu)成，作為一個中間處理階段，通過專門的層聚合和增強不同尺度上的特征表示。Head組件作為預測機制，基于細化的特征圖生成目標定位和分類的最終輸出。

2.2 改進的YOLOv11模型

基于YOLO系列的最新迭代版本YOLOv11，本文提出了改進的檢測模型BCD-YOLO。該模型對Neck、Backbone和Head3個關(guān)鍵組件進行了優(yōu)化，優(yōu)化后的模型架構(gòu)如圖3所示。

圖3BCD-YOLO檢測模型架構(gòu)

2.2.1Neck組件的改進

鑒于藍莓檢測任務的獨特性，新模型需要具備強大的多尺度特征捕獲能力和穩(wěn)健的上下文建模能力。然而，YOLOv11原始的Neck組件在應對這類復雜任務時存在一定的局限性。因此，本文對YOLOv11的Neck組件進行了重新設計并引入了創(chuàng)新的BIMAFPN（BidirectionalMulti-AttentionFeaturePyramidNetwork）模塊。傳統(tǒng)的特征金字塔網(wǎng)絡上采樣和下采樣操作均是單向的，單個節(jié)點獲取信息的能力有限，對于藍莓小目標的特征信息融合效果不佳。BIMAFPN雙向特征融合機制能夠克服以上問題，它允許在特征網(wǎng)絡層中的信息在自頂向下和自底向上2個方向上流動和融合[10]，能夠在不同層級之間更高效地融合特征，且不會顯著增加計算成本。

在BIMAFPN網(wǎng)絡架構(gòu)（見圖4）中，每個單獨的特征網(wǎng)絡層可以被多次重復使用，通過自頂向下和自底向上的路徑進行采樣，在不同層次上執(zhí)行卷積操作，從而提取到更加豐富和細致的特征。簡化的雙向網(wǎng)絡結(jié)構(gòu)增強了網(wǎng)絡對特征融合的能力，使網(wǎng)絡能夠更有效地整合不同尺度的信息，為檢測頭提供豐富的上下文信息，從而提高目標檢測的性能。

圖4 BIMAFPN網(wǎng)絡架構(gòu)

2.2.2 Backbone組件的改進

為了進一步提升改進后模型的檢測能力，本文重新設計了Backbone組件的結(jié)構(gòu)。YOLOv11中的C3K2模塊通過重復堆疊和特征融合可以提取多尺度特征，但在處理復雜場景時仍存在一定局限性。C3K2模塊在捕獲全局語義信息和長距離依賴方面表現(xiàn)不佳，其表達多尺度上下文細節(jié)的能力有限，導致在藍莓檢測任務中，小目標檢測和復雜背景分離的性能不夠理想。

為了解決這些挑戰(zhàn)，本文通過引入高效的部分多尺度特征提取機制PartialConv，對C3K2模塊進行全面改造，提出了創(chuàng)新性的PMSFA（PartialMulti-ScaleFeatureAggregation）模塊。該模塊包含的 3×3.5×5 和7×7 的PartialConv卷積能夠從輸入中提取多種尺度的特征信息，但并非在所有通道上進行這種操作，而是部分地進行，從而顯著提高了計算效率。同時，在最后的 1×1 卷積層，該模塊將不同尺度的特征融合在一起并通過殘差連接將輸入特征與處理后的特征相加，如圖5所示。PMSFA模塊在有效保留了原始信息的同時引入新的多尺度信息，增強了特征融合，從而顯著提升了模型的表達能力。

2.2.3 檢測頭Head的改進

針對標準卷積在目標檢測任務中的缺陷，本文進行了相應的改進。標準卷積由于感受野固定，難以精確捕捉目標的細節(jié)特征，尤其是在處理小目標時，容易出現(xiàn)定位不準確和漏檢率高的問題。此外，標準卷積對復雜背景的抗干擾能力較弱，容易受到背景的干擾，從而降低檢測的精度。為了有效解決這些問題，本文將YOLOv11的檢測頭替換為DyHead。DyHead的核心改進是將尺度感知、空間感知和任務感知統(tǒng)一在一個框架中。給定一個特征金字塔狀的特征輸出F_in={F_i}_i^L ？ L 為金字塔的層數(shù)，假設其下采樣率分別為 1/8，1/16，1/32 。為了統(tǒng)一尺度，將1/8和 1/32 大小的特征統(tǒng)一調(diào)整至 1/16 大小，得到尺寸相同的3個層級特征。通過將層級的特征連接，得到 F∈ R^L*H*W*C ，在空間維度上用 S=H*W 計算注意力權(quán)重，將其變形為 F∈R^L*S*C 。分別對 L，S 和 c 做注意力，就可以得到3種感知能力。

圖5PMSFA的原理結(jié)構(gòu)

給定一個特征層 F ，將自注意力機制（Self-Attention）應用在上，得到公式（1）。

W（F）=π（F）?F

其中， π（?） 是一種注意力機制。使用全連接層的方案計算量過大。

將注意力分為3個維度進行，得到公式（2）。

W（F）=π_c（π_s（π_L（F）?F）?F）?F

其中， π_L（?） 是尺度注意力函數(shù)， π_s（?） 是空間注意力函數(shù)， π_c（?） 是信道注意力函數(shù)。先通過π_L（?） 處理多尺度特征，再經(jīng) π_s（?） 優(yōu)化空間位置，最后用 π_c（?） 調(diào)整通道權(quán)重。上述3種注意力機制通過級聯(lián)或并行方式集成，形成端到端的動態(tài)檢測頭。

3 實驗分析

3.1 實驗環(huán)境

本研究中實驗使用的硬件平臺包括AMDEPYC7H1264核CPU和NVIDIAGeForceRTX4O90，用于該代碼的Python版本是3.10.14。實驗使用了PyTorch框架、Ubuntu操作系統(tǒng)和SGD優(yōu)化器。該模型的具體訓練參數(shù)如表1所示。

3.2實驗結(jié)果分析

為了驗證BCD-YOLO檢測模型引入BIMAFPN模塊后的性能，實驗中替換不同的FPN模塊進行對比，對比結(jié)果如表2所示。

表1實驗參數(shù)設置

表2不同F(xiàn)PN的實驗結(jié)果

實驗結(jié)果表明，引人BIMAFPN后的模型性能顯著提升。同時為了驗證模型中的PIMSFA模塊性能，本文在引入BIMAFPN模塊后的檢測模型中替換不同C3K2進行對比實驗，結(jié)果如表3所示。

實驗結(jié)果表明，設計的PIMSFA性能得到了極大提高。為了驗證每個提出的改進策略的有效性，本文對模型進行了消融實驗，實驗結(jié)果如表4所示。

引入BIMAFPN模塊后，模型的 mAP50 從 56.3% 提升到 57.3% ，表明其在多尺度特征融合方面具有顯著優(yōu)勢。在引入BIMAFPN的基礎上，進一步引入CSP-PMSFA模塊后， mAP50 進一步提升到 58.7% ，表明CSP-PMSFA模塊在特征提取和融合方面具有顯著的優(yōu)化效果。最后，引入DyHead模塊后，模型的mAP50達到了 59% ，表明DyHead模塊在動態(tài)調(diào)整檢測頭方面具有顯著優(yōu)勢。實驗結(jié)果清楚地驗證了每個模塊和策略的有效性，每一個改進都對提高模型的性能起著至關(guān)重要的作用。

表3不同C3K2模塊的實驗結(jié)果

表4消融實驗結(jié)果

4結(jié)語

本文提出了一種專門用于解決復雜自然環(huán)境中藍莓識別的檢測模型BCD-YOLO，該模型結(jié)合了多項創(chuàng)新設計，包括用于增強多尺度特征融合的BIMAFPN模塊，用于改進上下文表示的CSP-PMSFA模塊以及基于注意力機制的目標檢測頭DyHead。在自建藍莓數(shù)據(jù)集上的綜合實驗驗證了BCD-YOLO模型的有效性，該模型在檢測精度方面得到了顯著的提高，尤其在涉及小自標、顯著的照明變化和遮擋的場景中表現(xiàn)出色。未來將對當前的檢測模型框架進行剪枝和蒸餾優(yōu)化，進一步提高模型的計算效率，同時嘗試將其擴展到其他水果數(shù)據(jù)集，驗證模型在不同環(huán)境條件下的泛化能力。

參考文獻

[1]張建龍.基于圖像技術(shù)的藍莓采收機作業(yè)路徑跟蹤研究[D].哈爾濱：哈爾濱理工大學，2024.

[2]吳立東，夏金安，朱元宏，等.基于卷積神經(jīng)網(wǎng)絡的圖像處理技術(shù)在藍莓種植中的應用進展[J].上海農(nóng)業(yè)科技，2023（5）：31-34，90.

[3]田有文，覃上聲，閆玉博，等.基于改進YOLOv8的田間復雜環(huán)境下藍莓成熟度檢測[J].農(nóng)業(yè)工程學報，2024（16） ：153-162.

[4]許艷霞，柳江，李寶剛，等.基于改進 ΥOLOv8n 的輕量化藍莓成熟度檢測方法[J].江西農(nóng)業(yè)大學學報，2025（3） ：764-777.

[5]吳迪，趙品懿，甘升隆，等.基于動態(tài)自適應通道注意力特征融合的小目標檢測[J].電子科技大學學報，2025（2）：221-232.

[6]劉擁民，張煒，麻海志，等.基于注意力機制的輕量化YOLOv5s藍莓檢測算法[J].河南農(nóng)業(yè)科學，2024（3） ：151-157.

[7]溫艷蘭.基于卷積神經(jīng)網(wǎng)絡和遷移學習的作物蟲害圖像識別研究［D].廣州：仲愷農(nóng)業(yè)工程學院，2023.

[8]仝召茂，陳學海，馬志艷，等.融合圖像增強和遷移學習的YOLOv8n夜間蘋果檢測方法[J].華中農(nóng)業(yè)大學學報，2024（5）：1-9.

[9]李彬，李生林.改進YOLOv11n的無人機小目標檢測算法[J].計算機工程與應用，2025（7）：96-104.

[10]周翔，王可慶，周新翔，等.基于改進YOLOv10n的電動車頭盔佩戴檢測算法[J].電子測量技術(shù)，2025（5）：40-49.

（編輯戴啟潤）

Research on blueberry fruit detection in complex scenarios based on BCD-YOLO algorithm

LIU Bo （Anhui Technical College of Mechanical and Electrical Engineering，Wuhu 241Ooo，China）

Abstract：Aiming at theproblems ofocclusion，uneven lighting，and missed detectionof small targets in blueberry fruitdetectionundercomplexagricultural scenarios，traditional objectdetection modelssufer from insuficientsmalltarget recognition capabilities and poor multi-feature fusion efects. This paper proposes a BCD-YOLO model specifically designed for blueberry detection tasks.Based on the latest iteration of the YOLO series，YOLOv11，this model incorporates several innovative designs.BIMAFPN（Bidirectional Feature Pyramid Network）is introducedon the basisof YOLOv11.Throughmulti-level feature pyramidsand bidirectional information transmisson，it improves the recognition accuracy of blueberries.Also，the CSP-PMSFA module is designed to optimize the backbone network.This moduleuseseficient partial multi-scalefeatureextraction toextract feature informationof multiplescales from the input，achieving enhanced feature fusion.Aditionall，an innovative detection head based on atention mechanism， DyHead，isintegrated into thedetectionmodel.Experimentsshow thaton theself-built blueberrydataset，the improved BCD-YOLO model achieves 59% in mAP50，with precision and mAP50-95 increasing by 2.7% and 3.1% （20 respectivelycompared to theoriginal YOLOv11model，while the increase inmodel parametersand computational complexity remainswithinareasonablerange.Overall，thismodelprovides a highlyrobust technical solution for automated orchard harvesting and yield prediction.

Key Words：blueberrydetectionand recognition;smalltarget detection；multi-scale feature fusion;YOLOv11；smart agriculture