基于 UAV 捕获的农业遥感图像中的高效 litchi 果检测：YOLOv11-Litchi
计算机视觉与模式识别
2025-10-14 v1 机器学习
图像与视频处理
摘要
Litchi 为高价果品，但传统的手动选果方法已无法满足现代生产需求。将 UAV 基于航空图像与深度学习集成提供了可行的解决方案，以提高效率并降低成本。本文介绍了 YOLOv11-Litchi，一种专为 UAV 基于 litchi 检测设计的轻量且稳健的检测模型。该模型建立在 YOLOv11 框架之上，旨在解决小目标尺寸、模型参数大影响部署以及频繁目标遮挡等关键挑战。为解决这些问题，本文采用了三个主要创新措施：引入多尺度残差模块以提高跨尺度的上下文特征提取；采用轻量级特征融合方法，在保持高精度的同时降低模型规模和计算成本；引入 litchi 遮挡检测头，通过强调目标区域和抑制背景干扰来缓解遮挡效应。实验结果验证了该模型的有效性。YOLOv11-Litchi 的参数规模为 6.35 MB，比 YOLOv11 基线模型小 32.5%，同时 mAP 提升 2.5% 至 90.1%，F1 分数提升 1.4% 至 85.5%。此外，该模型实现了 57.2 FPS 的帧率，满足实时检测要求。这些发现表明，YOLOv11-Litchi 适用于复杂果园环境中的 UAV 基于 litchi 检测，展示了其在精密农业中更广泛应用的潜力。
关键词
引用
@article{arxiv.2510.10141,
title = {YOLOv11-Litchi: Efficient Litchi Fruit Detection based on UAV-Captured Agricultural Imagery in Complex Orchard Environments},
author = {Hongxing Peng and Haopei Xie and Weijia Lia and Huanai Liuc and Ximing Li},
journal= {arXiv preprint arXiv:2510.10141},
year = {2025}
}