面向轻量化与鲁棒小麦穗检测的耦合标注与架构裁剪：基于Segment Anything Model（SAM）生成有向边界框（Oriented Bounding Box, OBB）配合简化YOLO变体及突尼斯小麦穗数据集（Tunisian Wheat Head Dataset, TWHD）验证

《Smart Agricultural Technology》：Coupled Annotation and Architecture Tailoring for Lightweight and Robust Wheat Head Detection: SAM-Oriented Bounding Boxes with Simplified YOLO Variants Validated on a Tunisian Wheat Head Dataset

　　

小麦穗检测是产量估算与作物计数的核心任务。然而，密集分布、复杂背景及光照变化等挑战仍需克服以保证检测精度。本研究采用数据—模型协同优化策略提升小麦穗检测性能。首先，研究人员将Global Wheat Head Detection（GWHD）数据集的水平边界框（Horizontal Bounding Box, HBB）替换为利用Segment Anything Model（SAM）生成的有向边界框（Oriented Bounding Box, OBB），构建了Comprehensive Rotated Wheat Head Detection（C-RWHD）数据集，通过突出目标信息减少背景复杂度与重叠干扰。其次，研究人员对YOLOv11和YOLOv12架构进行裁剪（移除特定大目标检测层）以降低资源消耗。第三，研究人员引入了自建的Tunisian Wheat Head Detection（TWHD）数据集用于鲁棒性评估。结果表明，相比OBB基线，所提YOLOv12s-OBB-SM参数量减少28.4%、计算量（Giga Floating-Point Operations, GFLOPs）降低2.2，召回率（Recall）更优，mAP@0.5维持96.3%，帧率（Frames Per Second, FPS）提升28.6%；在TWHD上具强泛化能力；在全量1382张测试图计数任务中R2=0.874、Mean Absolute Error（MAE）=7.2。此外YOLOv11n-OBB-SM参数量减29.63%、GFLOPs减11.94%，计数性能R2=0.83、MAE=8.4优于其OBB基线。所提裁剪架构满足农业边缘设备实时推理与低计算需求，具田间部署潜力。

论文解读：面向轻量化与鲁棒小麦穗检测的耦合标注与架构裁剪——基于SAM有向边界框与简化YOLO变体在突尼斯小麦穗数据集上的验证（Khalil Khazmi, Zied Lachiri, SITI Laboratory, National Engineering School of Tunis, University of Tunis El Manar, Tunisia；发表于《Smart Agricultural Technology》）

研究背景与意义：

小麦为全球粮食安全之基石，准确的小麦穗检测与计数是产量预估、田间管理与育种的关键表型（Phenotyping）环节。现有挑战包括麦穗密集分布、相互遮挡重叠、背景杂乱、光照与尺度多变、品种及生长阶段差异大。Global Wheat Head Detection（GWHD-2021）数据集采用水平边界框（Horizontal Bounding Box, HBB）标注，对倾斜、弯曲麦穗引入大量背景噪声且无法表征方向信息，影响密集场景下的定位精度；传统两阶段检测器计算开销大，标准YOLO系列模型对嵌入式农业边缘设备仍有资源压力；手动标注有向边界框（Oriented Bounding Box, OBB）耗时费力且已有旋转数据集规模受限。为此，Khalil Khazmi与Zied Lachiri提出数据—模型协同优化方案：利用Segment Anything Model（SAM）自动将GWHD-2021的HBB转为OBB构建C-RWHD数据集，裁剪YOLOv11/YOLOv12的大目标检测头获得轻量化OBB-SM（Small and Medium scale）变体，并自建突尼斯小麦穗检测数据集（Tunisian Wheat Head Detection, TWHD）作域外鲁棒性测试，最终验证所提模型兼顾高精度、低算力与强泛化能力，适合无人机（Unmanned Aerial Vehicle, UAV）及农田机器人边缘端实时部署。

主要关键技术方法：

研究人员使用GWHD-2021（6515幅图像，按官方划分训练/验证/测试）为基准数据；以SAM（ViT-H预训练权重）用原HBB作提示（Prompt）获取分割掩膜，拟合最小面积旋转矩形生成四边形OBB（DOTA格式转YOLO四边形），构建C-RWHD数据集；自建TWHD采集自突尼斯10个省意大利硬粒小麦品种Saragolla和Iride，153原图经增强至459幅作域外测试集。对YOLOv11-OBB及YOLOv12-OBB移除负责大目标（面积>96像素2）的P5检测头及其上游模块得YOLOv*?OBB-SM变体。所有模型输入640×640，训练100 epoch，AdamW优化器，余弦退火学习率，Mosaic增广，评估指标含Precision、Recall、mAP@0.5、mAP@0.5:0.95、参数量（Parameters, M）、GFLOPs、FPS及计数回归指标R²、RMSE、MAE、MAPE。对照实验含Faster R-CNN、RetinaNet、SSD、DETR及原版YOLO各尺度模型。

研究结果：

3.1 Experimental setup

研究人员在NVIDIA RTX 5060 Ti 16G、Ryzen 7 5700G、Python 3.11、PyTorch 2.7.1环境下统一训练与测试，明确超参数（Batch=16，Warm-up=3 epoch，初始lr=0.002，余弦衰减等）及评价指标定义。

3.2.1 Model performance comparative experiments

在C-RWHD上YOLOv12s-OBB达mAP@0.5=96.4%、YOLOv12s-OBB-SM达96.3%，均优于YOLOv11s-OBB（96.2%）及两阶段/Transformer检测器（Faster R-CNN 88.5%、DETR 71%）。YOLOv12s-OBB-SM较YOLOv12s-OBB参数量由9.5M降至6.8M（-28.4%）、GFLOPs由22.2降至20.0（-2.2），FPS由84升至108（+28.6%），Recall略升（91.8% vs 91.7%），mAP@0.5仅降0.1%。YOLOv11n-OBB-SM较YOLOv11n-OBB参数量减29.63%、GFLOPs减11.94%，mAP@0.5略降但计数性能更优。HBB→OBB标注使平均标注面积缩减65%–70%，C-RWHD整体mAP显著高于GWHD-2021对应模型。

3.2.2 Mean Average Precision Comparative Analysis

mAP@0.5训练曲线显示各模型约65–70 epoch收敛；YOLOv12s-OBB与YOLOv12s-OBB-SM曲线几乎重合，后者部分epoch超越前者，表明裁剪未损收敛性与最终精度；YOLOv11s-OBB早期波动大但后期稳定于>96%。

3.2.3 Heatmap-based detection performance comparison

基于检测框累积高斯平滑热力图显示，YOLOv12n-OBB-SM与YOLOv12s-OBB-SM在低照/模糊/高密度区对小目标及遮挡穗具更好特征提取，YOLOv12s-OBB-SM综合表现最佳；极亮强遮挡下各模型均有假阳性，nano模型在部分遮挡案例可检出而s模型漏检属注意力过度平滑差异。

3.2.4 Robustness experiments

在未见TWHD域外测试集上，YOLOv12s-OBB mAP@0.5:0.95=53.2%、YOLOv12s-OBB-SM=53.0%、YOLOv11s-OBB=53.3%；mAP@0.5分别为72.1%、72.1%、72.0%。虽较C-RWHD内测试下降（品种、相机、环境域偏移），但YOLOv12s-OBB-SM保持与基线接近且FPS最高，证实裁剪模型跨域泛化能力。

3.2.5 Counting performance comparison

全量C-RWHD测试集1382幅图（67421个真值穗）：YOLOv12s-OBB计数最优（R²=0.8856，MAE=6.9）；YOLOv12s-OBB-SM次之（R²=0.8738，MAE=7.2）；YOLOv11n-OBB-SM（R²=0.8331，MAE=8.4）优于YOLOv11n-OBB（R²=0.7819，MAE=9.6）。说明对小容量nano模型去除冗余P5头可重定向资源至高分辨率特征提升计数；对高容量s模型去除P5微降严格定位mAP@0.5:0.95但几无影响检测与计数主指标。

讨论与结论总结（翻译研究结论部分）：

本研究通过SAM将GWHD-2021 HBB转为OBB构建C-RWHD，显著缓解背景杂波、重叠与旋转变异问题从而提升检测精度。所提YOLOv11/YOLOv12裁剪变体证明可在参数量最高减29.63%与GFLOPs大幅降低情况下不损——甚至个别指标改善——关键性能。YOLOv12s-OBB-SM尤为突出：mAP@0.5达96.3%、Recall更优、FPS较基线提升28.6%、在未见TWHD具强泛化、全量非选择性测试集计数R²=0.874、MAE=7.2。该模型适合资源受限农业平台（UAV、机器人）实时部署。研究表明任务驱动架构裁剪与OBB表示对密集非结构化农景目标检测之价值，所提轻量高精度模型可为精确产量估算、适时田间管理与可持续精准农业提供实用工具，后续将拓展多作物泛化、多模态融合及田间实测。