基于改进版YOLOv11的机器采摘新鲜茶叶目标识别方法研究

《Scientific Reports》：Research on target recognition method for machine-plucked fresh tea leaves based on improved YOLOv11

　　

摘要

在多阶段分选过程中，机器采摘的新鲜茶叶以低遮挡的方式排列；然而，在分选过程中仍存在一些挑战，如部分遮挡、小物体检测困难以及需要精确识别和分类等问题。为了解决这些问题，本研究提出了一种改进的基于YOLOv11的检测模型，称为YOLOv11-MSC。该模型采用了三项关键改进措施：多尺度边缘信息增强、卷积-注意力融合和空间注意力优化，以增强特征提取和定位能力。为了全面评估其有效性，进行了一系列实验，包括消融研究、与不同注意力机制的比较分析、与主流检测模型的对比，以及使用特征图和热图进行的视觉检查。实验结果表明，YOLOv11-MSC的平均精度（mAP@0.5）达到了90.1%，同时保持了轻量级的架构，仅包含2.89百万个参数和6.4 GFLOPs的计算量。这些结果证明了该模型在检测准确性和计算效率方面的出色表现，表明其非常适合应用于实时茶叶分级场景。