农业工程学报

作者：翁海勇,杜璐,张博昱,苏磊磊,许金钗,肖桂淼,孙大伟,叶大鹏,

关键词：无人机, 遥感, 柑橘, YOLO11n, ByteTrack, 计数

基金：42

针对无人机遥感尺度下，柑橘估产过程中存在跟踪计数误差大的问题，该研究提出一种轻量化 YOLO11-PMSL模型与ByteTrack-DIoU算法相融合的无人机视频流柑橘果实跟踪计数方法。首先，在YOLO11n架构的基础上，通过重构特征金字塔结构，将检测头层级精简为P2～P4三级结构，以增强微小目标感知能力；其次，引入C3k2-MSEIE（C3k2-multi-scale edge information enhance）多尺度边缘增强模块，通过自适应尺度融合与轮廓强化机制，以提升果实轮廓表征能力；进一步，采用SIoU（scylla-IoU）损失函数替代CIoU（complete-IoU）损失函数，引入方向敏感性约束以期提升检测框定位质量与训练稳定性，最后，通过LAMP（layer adaptive magnitude-based pruning）方法模型剪枝，去除冗余的权重，以减少参数量和浮点运算量，压缩模型体积。在ByteTrack-DIoU算法中嵌入区域计数防抖机制，进一步解决遮挡导致的ID跳变问题。结果表明，改进后YOLO11-PMSL目标检测模型精确率（italic>P/italic>）、均值平均精度（mAPsub>0.5/sub>）分别提高3.3、9.3个百分点。剪枝后，与原始的YOLO11n相比，在保持精度总体提升的同时，模型的参数量、浮点运算量和模型大小分别降低了86.05%、26.98%和76.36%，检测速度由84.83帧/s提高到140.12帧/s。与传统 SORT、DeepSORT 和BotSORT算法相比，ByteTrack-DIoU算法的多目标跟踪准确率分别提高5.5、5.7和 4.3个百分点，跟踪计数平均精度达88.4%。该方法可准确实现果园柑橘果实的跟踪计数，为柑橘产量预测提供有效的技术方案。/

来源：2026年第7期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第7期