农业工程学报

作者：郑先哲,毛烁,王昊然,刘成海,张雨涵,薛亮亮,

关键词：蓝靛果, YOLOv11s, 田间环境, 成熟度, 移动端

基金：42

蓝靛果在田间生长时存在不同成熟度果实聚簇、枝叶部分遮挡、光照强弱多变等复杂情况影响图像特征识别提取。为了提高田间环境下蓝靛果果实成熟度识别精度和准确性，该研究基于YOLOv11s算法提出YOLOv11s-ACM检测模型。首先针对田间蓝靛果成熟度检测准确性不高的问题，在主干网络引入基于注意力的尺度内特征交互模块（attention-based intrascale feature interaction, AIFI），通过添加全局内容自适应的注意力机制，提高田间蓝靛果成熟度检测准确度。其次，将主干网络的C3K2卷积替换为C3K2结构融合动态蛇形卷积（C3K2-dynamic snake convolution, C3K2-DySnakeConv），通过残差连接与动态特征聚合，增强模型对有遮挡、低光强场景的适应能力，提高田间环境下对不规则形状蓝靛果的检测能力。最后，引入多分离与增强注意力模块检测头（multi-separated and enhancement attention module head, MultiSEAMHead），增强模型对田间环境下多尺度特征检测的密集目标检测能力。与YOLOv11s模型对比，改进的YOLOv11s-ACM模型的平均精度均值（mean average precision, mAP）提高了4.5个百分点、单张图片推理时间缩短了27%。移动端部署验证了YOLOv11s-ACM模型对田间环境下蓝靛果果实成熟度检测准确度和可行性，研究结果为后续蓝靛果智能化采摘提供技术支持。/

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