基于动态模糊特征融合的运动模糊韧果害虫损伤检测
计算机视觉与模式识别
2026-01-07 v1 人工智能
摘要
由于相机抖动产生的运动模糊会产生幽灵痕迹，显著ly degrade边缘侧物体检测。现有的做法要么将模糊视为噪声而丢失判别性结构，要么应用完整图像恢复导致延迟增加，限制其在资源受限设备上的部署。我们提出DFRCP——一种用于模糊鲁健检测的Dynamic Fuzzy Robust Convolutional Pyramid，作为YOLOv11的即插即用升级模块。DFRCP通过结合大尺度和中尺度特征以保留原始表示，引入Dynamic Robust Switch单元以适应性地注入模糊特征以增强全局感知。模糊特征通过旋转和非线性插值多尺度特征合成，然后通过透明度卷积实现对原始与模糊线索之间内容适应性权衡。我们进一步开发了CUDA并行旋转和插值内核，规避边界溢出，实现400倍以上的加速，使该设计在边缘部署上具有实际意义。在约3500张小麦害虫损伤图像的私有数据集上进行训练，使用两种模糊方案进行三倍数据增强：均匀图像全场运动模糊和边界框限制旋转模糊。在模糊测试集上，YOLOv11配合DFRCP的准确率比YOLOv11基线高出约10.4个百分点，仅带来有限的训练时间开销，显著减少数据收集后手动筛选的需求。
引用
@article{arxiv.2601.03046,
title = {Motion Blur Robust Wheat Pest Damage Detection with Dynamic Fuzzy Feature Fusion},
author = {Han Zhang and Yanwei Wang and Fang Li and Hongjun Wang},
journal= {arXiv preprint arXiv:2601.03046},
year = {2026}
}