《Frontiers in Plant Science》：A lightweight YOLO-TinyFuse model for small target detection of olive fruits
编辑推荐：
这篇综述介绍了针对橄榄果实检测中，小目标数量多、背景复杂、计算负载大等挑战而提出的YOLO-TinyFuse轻量化检测模型。该模型在YOLOv8n基础上创新性地整合了P2高分辨率特征层、改进的跨尺度融合颈部结构（ModifiedNeck）以及双向特征金字塔网络（BiFPN）动态加权模块。研究证实，该架构在保持高分辨率特征表征的同时，增强了双向多尺度交互并优化了加权特征聚合，显著提升了小物体识别能力，同时进一步降低了模型复杂度。实验在多场景橄榄表型数据集上取得了mAP50达到92.3%、召回率达到84.5%的优异性能，为自动化橄榄采收场景中的主流边缘计算平台提供了一种可部署的、计算高效且实时的目标识别解决方案。
引言
橄榄是一种高价值的经济作物，在全球农业经济中占据重要地位，其果实是优质食用油脂的主要来源。在橄榄的生长周期中，果实检测等任务是精准果园管理的关键组成部分。然而，田间橄榄果实检测面临着四大主要挑战：小目标特征极易丢失、存在严重的背景干扰、目标尺度差异大以及部署条件受限（如在山区果园依赖无人机等边缘设备）。传统的基于专家经验或传统图像处理技术的方法在检测精度和跨场景泛化方面存在明显局限，深度学习已成为主导的解决方案范式。
材料与方法
数据集构建与预处理
本研究数据采集自中国四川西昌橄榄产业科技示范园区内的北河和悦华橄榄种植园。图像采集涵盖了橄榄果实发育的三个关键阶段（幼果、膨大和成熟），并包含了多种光照条件（晴天、多云、低光等）以及代表性的果园背景（密集枝叶遮挡、果实重叠等）。数据集最终包含12,259张高质量图像，并通过分层随机抽样策略划分为训练集、验证集和测试集。预处理过程包括图像统一调整为640×640像素，以及应用马赛克增强、水平翻转、几何变换和HSV颜色空间调整等场景自适应增强操作，以提升模型在复杂果园环境下的鲁棒性。
YOLO-TinyFuse架构概述
YOLO-TinyFuse是一种基于YOLOv8n基线改进的增强模型，其整体架构如图2所示。该模型首次整合了ModifiedNeck结构、BiFPN双向加权特征融合模块和P2高分辨率特征层。模型保留了YOLO系列典型的三段式Backbone-Neck-Head结构。
主干网络特征提取：CSPDarknet
骨干网络基于CSPDarknet架构，并引入了新的P2特征层，旨在保留更多对小目标表型特征提取至关重要的细粒度细节。与P3、P4和P5层一起，P2层形成了一个多尺度特征金字塔，逐步捕获从低级纹理到高级语义表示的信息。
具体流程如下：
- 1.
初始特征映射：输入图像首先经过初始卷积层，通道维度扩展至16并进行第一次下采样。
- 2.
浅层特征提取：通过第一个C2f模块生成P2/4特征层（分辨率为160×160像素，对应4倍下采样）。此设计有效避免了传统8倍下采样导致的小目标细粒度信息损失问题。
- 3.
渐进式多尺度特征生成：通过重复的下采样和C2f细化操作，依次生成P3/8、P4/16和P5/32特征层。P5层之后，其输出被送入SPPF模块，以丰富感受野多样性并增强全局语义特征表达。
颈部多尺度特征融合
为了克服原始YOLOv8n中简化FPN结构跨尺度信息流不足和多尺度特征加权欠佳的限制，本研究引入了一个由ModifiedNeck和BiFPN模块组成的两阶段融合架构。
ModifiedNeck特征融合模块
ModifiedNeck模块（其结构如图4所示）专注于双向路径交互、通道统一和残差增强。其核心步骤如下：
- 1.
横向连接与通道统一：使用1×1卷积将P2至P5各特征层的通道深度标准化为64。
- 2.
自上而下路径：从P5开始，经过上采样并与相应层进行逐元素加法融合，再通过C2f模块进行细化，实现语义信息的有效向下传播。
- 3.
自下而上路径：从P2开始，通过步长为2的3×3卷积进行下采样，然后与相应层进行拼接，再通过C2f模块增强，实现细粒度信息的有效向上反馈。
- 4.
轻量化优化：最终输出一个统一的、64通道的多尺度特征金字塔（P2_out至P5_out）。
BiFPN加权融合机制
改进后的BiFPN模块（其结构对比如图5所示）将原始P3-P7特征层级调整为P2-P5配置，以更好地适应小目标检测的需求。该模块在ModifiedNeck输出的256通道特征图上进行操作，通过双向迭代融合和可学习的加权机制，高效聚合不同尺度的特征。
其核心计算逻辑是：为输入特征图Pi（i∈{2, 3, 4, 5}）应用可学习的标量权重wi，并进行归一化后的加权求和。这种设计能自适应地放大高分辨率P2特征对小目标区域的贡献，以及深层语义P5特征对复杂背景区域的贡献。此外，采用深度可分离卷积和共享权重策略，显著减少了参数量，提高了模型在资源受限的边缘平台上部署的适用性。
头部：P2检测层
为了提升对橄榄幼果等小目标的检测精度，引入了专用的P2检测层，形成了P2-P3-P4-P5四尺度检测架构。检测头采用了解耦设计，每个尺度的输出由独立的分类和回归分支处理，以减少任务间的特征冲突。P2层聚焦于超小目标（小于32×32像素），其160×160的高分辨率特征表示显著提升了架构对小目标的空间定位精度和特征表征能力。
评估指标
本研究采用七个核心指标对模型性能进行多维度评估：精确率(Precision)、召回率(Recall)、F1分数(F1-Score)、50%交并比下的平均精度均值(mAP50)、参数量(Parameters)、每秒帧数(FPS)和十亿次浮点运算(GFLOPs)。
实验评估
实验设置
实验在配备NVIDIA GeForce RTX 4090 GPU等硬件的环境下进行，软件环境包括Linux操作系统、Python 3.8和PyTorch 2.1.0。模型训练共100个周期，批大小为8，输入分辨率为640×640像素，并采用了特定的数据增强策略。
对比实验
与YOLOv5n、YOLOv9t、YOLOv11n、DETR-R50和DETR-R50-DC5等代表性检测架构的对比实验（结果如表2所示）表明，YOLO-TinyFuse在精确率、召回率、GFLOPs和mAP50等指标上均表现优异。YOLO-TinyFuse实现了92.3%的mAP50，显著高于其他基线模型。训练过程中的mAP50轨迹图（图6）也凸显了其在准确识别和定位方面的优越性。
与YOLOv8n基线模型的对比
与基线模型YOLOv8n的对比（如图7所示）显示，YOLO-TinyFuse在mAP50、mAP50-95和F1分数上分别提升了2.6%、3.5%和3.7%，同时参数量减少了6.33%。进一步按目标尺寸（小于16像素、16-32像素、大于32像素）和遮挡水平（小于20%、20-50%、50-80%、大于80%）的分析表明，YOLO-TinyFuse在所有类别上均持续优于YOLOv8n，证实了P2层有效缓解了小目标检测挑战，而BiFPN模块则增强了模型在不同遮挡条件下的检测鲁棒性。此外，基于COCO风格的错误分析（图8）也显示，YOLO-TinyFuse在漏检和定位错误方面均有降低。
消融实验
消融实验（结果如表3所示）旨在量化P2高分辨率层、ModifiedNeck和BiFPN模块各自的性能贡献。实验结果表明，单独添加某个模块的提升有限，甚至可能出现负协同效应（如BiFPN与ModifiedNeck的组合）。而三模块集成系统（BiFPN + ModifiedNeck + P2）取得了最佳的整体性能：精确率达到86.9%，召回率达到84.5%，mAP50达到92.3%，mAP50-95达到71.8%。这证实了单一模块增强的局限性，以及与P2层配对时模块组合能提供显著的协同增益，三模块集成能产生最优性能。
可视化分析
在不同环境（低光照、高亮度、果实遮挡、果实模糊）下的代表性检测示例（图9）表明，YOLO-TinyFuse模型在多种场景下均保持了较高的鲁棒性。人工标注与模型预测结果的对比图（图10）直观地验证了模型的检测性能。此外，感受野对比图（图11）和热力图分析（图12）显示，YOLO-TinyFuse在橄榄果实区域产生了更集中、更高强度的特征响应，表明其轻量化设计能有效将表征能力集中在显著区域，同时抑制背景干扰。
结论
本研究提出的YOLO-TinyFuse模型，通过整合P2高分辨率特征层、ModifiedNeck和BiFPN模块，有效地解决了田间橄榄果实检测中细粒度小目标特征丢失、复杂背景下特征融合效率低以及边缘设备计算与续航约束等主要技术瓶颈。该模型在参数量仅为296万、推理速度达18.6 FPS的轻量级配置下，实现了mAP50达92.3%、召回率达84.5%的优异性能，较YOLOv8n基线在检测精度和模型紧凑性上均有显著提升。模型可直接部署于树莓派4B和无人机系统等边缘计算平台，满足整个橄榄生产链的端到端检测需求。此外，其技术框架展现出强大的可重用性，能够高效适应小麦、樱桃等其他作物，以及蜜蜂等小目标物体，芒果、苹果等高遮挡度作物的检测任务，推动了农业表型检测从单一作物定制化向多作物通用化方向的演进。
