自然環境下での柑橘樹の成熟度検出における成熟度区別の困難さ、葉と果実の遮蔽の深刻さ、モデルの複雑さの高さおよびリソース展開の制限といった課題に対して、本研究では改良されたYOLOv11に基づく軽量な樹上柑橘成熟度検出アルゴリズムYOLO-HiPを提案する。まず、改良されたHGNetv2-Lネットワークをバックボーンとして採用し、階層的特徴抽出戦略を組み合わせることで、複雑なシーンにおけるモデルの解析能力を大幅に向上させ、計算負荷とリソース消費を効果的に低減した。次に、C2PSA機構とiRMBモジュールを融合した軽量混合注意モジュールC2PSA_iRMBを設計し、計算コストを最適化しつつ長距離情報処理能力を強化し、モジュールの柔軟性と計算効率を向上させた。最後に、冗長な計算とメモリアクセスを削減することで空間特徴抽出効率をさらに高めるC3k2_PConvモジュールを構築した。実験結果により、YOLO-HiPはmAP₅₀で94.3%を達成し、従来モデルより4.7%向上、パラメータ数は5.1Mに削減（45.7%減）、計算量は13.9 GFLOPs（34.7%減）、フレームレートは227.4fps（25.1%増）となった。本モデルは検出精度を確保しつつモデルサイズを大幅に圧縮し、柑橘収穫ロボットなど組み込みシステムの計算資源が限られたプラットフォームに対して革新的かつ実現可能なソリューションを提供する。

柑橘;成熟度;YOLOv11;軽量;物体検出