文献类型： 中文期刊

作者： 常戬 ¹ ; 王冰冰 ¹ ; 尹龙 ¹ ; 李燕青 ² ; 李兆歆 ³ ; 李壮 ² ;

作者机构： 1.辽宁工程技术大学

2.中国农业科学院果树研究所

3.中国农业科学院农业信息研究所

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 7 卷 003 期

页码： 185-198

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,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,其计算量达到5.1 GFLOPS,参数量达到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.