数字农科院2.0

基于YOLOv10n-CHL轻量化的蜜蜂授粉识别模型

文献类型： 中文期刊

作者： 常戬;王冰冰;尹龙;李燕青;李兆歆;李壮

作者机构：

关键词： 蜜蜂授粉识别;YOLOv10n;小目标检测;轻量化;特征提取

期刊名称：智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2025 年

页码：

收录情况： CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： [目的/意义]蜜蜂授粉识别实验有助于评估蜂群的授粉效率,检测花朵是否授粉,从而为后期的疏花疏果提供科学依据,优化蜂群管理和农业生产。为应对蜜蜂授粉检测中目标小、背景复杂等挑战,本研究提出了一种基于YOLOv10n-CHL的轻量化蜜蜂授粉识别模型。[方法]本实验创建了草莓花、蓝莓花和菊花三种不同花朵的蜜蜂授粉数据集,并通过以下改进提升模型性能:首先,主干网络中用跨阶段多尺度边缘信息增强模块(Cross Stage Partial Network＿Multi-Scale Edge Information Enhance,CSP＿MSEE)模块替换C2f,融合跨阶段局部网络(Cross Stage Partial Network,CSPNet)跨阶段连接与多尺度边缘增强策略,强化特征提取能力;颈部模块引入多级特征融合金字塔(Hierarchical Skip Feature Pyramid Network,HS-FPN),通过特征选择与融合策略,提升复杂背景下小目标检测精度并优化计算效率;在头部采用轻量化检测头(Lightweight Shared Detail-enhanced Convolutional Detection Head,LSDECD)替代原始检测头,增强细节捕捉能力的同时减少参数量,使模型更易于部署和应用于边缘设备。[结果和讨论]在三个不同数据集上的测试结果表明,与原YOLOv10n模型相比,改进后的模型在计算量和参数量上分别降低了3.1 GFLOPS和1.3 M。同时,草莓花、蓝莓花、菊花蜜蜂授粉数据集的召回率和mAP50(Mean Average Precision at IoU Threshold of 50%)分别达到了82.6%、84%、84.8%和89.3%、89.5%、88%,较原模型分别提升了2.1%、2.0%、2.1%和1.7%、2.6%、2.2%。[结论]这一改进显著增强了模型在蜜蜂授粉数据集上的检测精度,同时通过轻量化设计有效减轻了计算负担,提升了部署的可行性。这为蜜蜂授粉识别技术的实际应用奠定了坚实的技术基础。

分类号：

  • 相关文献

[1]基于YOLOv10n-CHL的蜜蜂授粉轻量化识别模型. 常戬,王冰冰,尹龙,李燕青,李兆歆,李壮. 2025

[2]基于循环平移Contourlet变换的红外小目标检测方法. 李静,刘兴淼,薛福来. 2013

[3]YOLO-YSTs: An Improved YOLOv10n-Based Method for Real-Time Field Pest Detection. Yiqi Huang,Zhenhao Liu,Hehua Zhao,Chao Tang,Bo Liu,Zaiyuan Li,Fanghao Wan,Wanqiang Qian,Xi Qiao. 2025

[4]Identification of leaves of wild Ussurian Pear (Pyrus ussuriensis) based on YOLOv10n-MCS. Niman Li,Xingguang Dong,Yongqing Wu,Luming Tian,Ying Zhang,Hongliang Huo,Dan Qi,Jiayu Xu,Chao Liu,Zhiyan Chen,Yulu Mou. 2025

[5]喷雾机喷杆结构的研究现状及展望. 乔白羽,丁素明,薛新宇,崔龙飞,周晴晴,张亚萍. 2017

[6]基于边缘设备的轻量化小目标果实检测模型. 张文利,陈开臻,刘鈺昕,段玉林,郭威,史云. 2021

[7]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[8]水稻田间收割场景语义分割方法——基于改进DeepLabV3+. 边铭,纪爱敏,沈成,蔺秋雨,韩宇飞. 2025

[9]基于改进RT-DETR的轻量化豆荚检测模型. 刘亿琳,卢承方,黄岚,詹炜,王俊,邱丽娟. 2025

[10]基于模板匹配的多目标水稻灯诱害虫识别方法的研究. 吕军,姚青,刘庆杰,薛杰,陈宏明,杨保军,唐健. 2012

[11]基于图像的昆虫自动识别与计数研究进展. 姚青,吕军,杨保军,薛杰,郑宏海,唐健. 2011

[12]基于Gabor能量特征的牧草识别. 潘新,刘桂香,闫伟红,李莹,李燕华,侯振杰. 2012

[13]基于多层感知神经网络的水稻叶瘟病识别方法. 刘立波,周国民. 2009

[14]基于分形维数的放牧地秃斑特征提取方法及其应用. 王钊齐,林慧龙. 2011

[15]基于深度图像和BP神经网络的肉鸡体质量估测模型. 王琳,孙传恒,李文勇,吉增涛,张翔,王以忠,雷鹏,杨信廷. 2017

[16]基于Gabor能量特征的牧草识别. 潘新,刘桂香,闫伟红,李莹,李燕华,侯振杰. 2013

[17]基于支持向量机的水稻纹枯病识别研究. 刘婷婷. 2011

[18]家蚕微粒子病的图像识别技术研究. 张香琴,方如明,汪萍,蔡健荣,许俐. 2001

[19]基于计算机视觉技术的番茄叶部病害识别. 柴阿丽,李宝聚,石延霞,岑喆鑫,黄海洋,刘君. 2010

[20]基于图像处理技术的蚕蛹性别识别应用研究. 孙辉,梁培生,张国政,方瑷. 2015

作者其他论文 更多>>