في مواجهة تحديات التمييز بين درجات النضج في الكشف عن أشجار الحمضيات في البيئة الطبيعية، والصعوبات الناتجة عن تداخل الأوراق والثمار، وتعقيد النموذج، والقيود على نشر الموارد، تقدم هذه الورقة خوارزمية اكتشاف نضج الحمضيات على الشجرة خفيفة الوزن بناءً على تحسين YOLOv11 تُسمى YOLO-HiP. أولاً، تم استخدام شبكة HGNetv2-L المحسّنة كشبكة رئيسية، مع استراتيجية استخراج الميزات متعددة الطبقات، مما عزز بشكل كبير قدرة النموذج على التحليل في المشاهد المعقدة، مع تقليل فعّال في تعقيد الحساب واستهلاك الموارد. ثانيًا، تم تصميم وحدة اهتمام هجينة خفيفة الوزن C2PSA_iRMB، والتي تجمع بين آلية C2PSA ووحدة iRMB، لتحسين تكاليف الحساب وتعزيز قدرة معالجة المعلومات طويلة المدى وزيادة مرونة وكفاءة الوحدة. أخيرًا، تم بناء وحدة C3k2_PConv لتحسين كفاءة استخراج الميزات المكانية من خلال تقليل الحسابات الزائدة والوصول إلى الذاكرة. أظهرت النتائج التجريبية أن YOLO-HiP حقق دقة mAP₅₀ بلغت 94.3%، بزيادة 4.7% مقارنة بالنموذج الأصلي، مع عدد معلمات 5.1 مليون فقط (انخفاض بنسبة 45.7%)، وحجم حسابي 13.9 GFLOPs (انخفاض بنسبة 34.7%)، وزيادة معدل الإطارات إلى 227.4 إطار في الثانية (زيادة 25.1%). يضمن هذا النموذج دقة الكشف مع تقليص الحجم بشكل ملحوظ، مقدماً حلاً مبتكراً وقابل للتطبيق للمنصات ذات الموارد الحاسوبية المحدودة مثل روبوتات جمع الحمضيات المدمجة.

حمضيات;نضج;YOLOv11;خفيف الوزن;كشف الأجسام