摘要
لمواجهة التحديات التي تواجه الكشف عن نضوج أشجار الحمضيات في البيئة الطبيعية مثل صعوبة التمييز بين درجات النضج، والحجب الشديد بين الأوراق والثمار، وتعقيد النموذج، وقيود نشر الموارد، قدم هذا البحث خوارزمية كشف خفيفة لنضوج الحمضيات على الأشجار تعتمد على تحسين YOLOv11 باسم YOLO-HiP. أولاً، تم استخدام شبكة HGNetv2-L المحسنة كشبكة عماد، مع استراتيجية استخراج الميزات الطبقية، مما حسّن بشكل كبير قدرة النموذج على التحليل في البيئات المعقدة وخفض تعقيد الحوسبة واستهلاك الموارد بشكل فعال. ثانياً، تم تصميم وحدة انتباه مختلطة خفيفة الوزن C2PSA_iRMB، من خلال دمج آلية C2PSA مع وحدة iRMB، مما حقق تحسينًا في تكلفة الحوسبة وعزز القدرة على معالجة المعلومات طويلة المدى، ورفع مرونة وكفاءة الحساب. أخيراً، تم بناء وحدة C3k2_PConv، من خلال تقليل الحسابات والذاكرة الزائدة، مما عزز كفاءة استخراج الميزات المكانية. أظهرت النتائج التجريبية أن YOLO-HiP حقق mAP50 بنسبة 94.3%، بزيادة 4.7% عن النموذج الأصلي؛ مع عدد معلمات بلغ 5.1 مليون (انخفاض بنسبة 45.7%)؛ وكمية حساب 13.9 GFLOPs (انخفاض 34.7%)؛ ومعدل إطارات ارتفع إلى 227.4 إطار/ثانية (زيادة 25.1%). يضمن النموذج دقة الكشف مع تقليل حجم النموذج بشكل ملحوظ، مما يوفر حلاً مبتكرًا وقابلًا للتطبيق لأنظمة الحوسبة ذات الموارد المحدودة مثل روبوتات قطف الحمضيات.
关键词
الحمضيات;النضوج;YOLOv11;خفيف الوزن;كشف الأهداف
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website