В связи с трудностями в различении степени зрелости цитрусовых плодов на деревьях в естественных условиях, сильным перекрытием ветвей и плодов, высокой сложностью модели и ограничениями ресурсов для развертывания, в данной статье предлагается легковесный алгоритм обнаружения зрелости цитрусов на деревьях на основе улучшенного YOLOv11 под названием YOLO-HiP. Во-первых, в качестве основной сети используется улучшенная сеть HGNetv2-L с многоуровневой стратегией извлечения признаков, что значительно повышает способность модели к анализу в сложных условиях и эффективно снижает вычислительную сложность и потребление ресурсов. Во-вторых, разработан легковесный гибридный модуль внимания C2PSA_iRMB, объединяющий механизм C2PSA и модуль iRMB, оптимизирующий вычислительные затраты и улучшая обработку дальних информационных связей, что повышает гибкость и эффективность модуля. В конце построен модуль C3k2_PConv, который за счет уменьшения избыточных вычислений и доступа к памяти дополнительно повышает эффективность пространственного извлечения признаков. Экспериментальные результаты показывают, что YOLO-HiP достиг mAP₅₀ 94,3%, что на 4,7% выше исходной модели, при этом количество параметров составляет всего 5,1 млн (сокращение на 45,7%), вычислительная нагрузка снизилась до 13,9 GFLOPs (снижение на 34,7%), а скорость кадров увеличилась до 227,4 кадров в секунду (рост на 25,1%). Модель обеспечивает высокую точность обнаружения при значительном уменьшении размера модели, предлагая инновационное и практическое решение для платформ с ограниченными вычислительными ресурсами, таких как роботы для сбора цитрусов.

Цитрусовые;зрелость;YOLOv11;легковесный;обнаружение объектов