Для решения проблем, возникающих при определении зрелости цитрусовых на деревьях в естественной среде, таких как сложности в различении степени зрелости, значительное перекрытие ветвей и плодов, высокая сложность модели и ограниченные ресурсы для развертывания, в данной работе предложен облегчённый алгоритм определения зрелости цитрусовых на деревьях на основе улучшенного YOLOv11 под названием YOLO-HiP. Во-первых, в качестве основной сети используется улучшенная сеть HGNetv2-L в сочетании со стратегией многоуровневого извлечения признаков, что заметно повышает способность модели к анализу в сложных условиях и одновременно эффективно снижает вычислительную сложность и потребление ресурсов. Во-вторых, разработан облегчённый гибридный модуль внимания C2PSA_iRMB, который объединяет механизмы C2PSA и iRMB для оптимизации вычислительных затрат и усиления обработки информации на больших расстояниях, улучшая гибкость и вычислительную эффективность модуля. Наконец, создан модуль C3k2_PConv, который за счёт уменьшения избыточных вычислений и обращения к памяти дополнительно повышает эффективность извлечения пространственных признаков. Экспериментальные результаты показывают, что YOLO-HiP достиг показателя mAP₅₀ 94.3%, что на 4.7% выше по сравнению с исходной моделью, при этом количество параметров составляет всего 5.1 млн (снижение на 45.7%), вычислительная нагрузка уменьшена до 13.9 GFLOPs (снижение на 34.7%), а частота кадров увеличена до 227.4 fps (повышение на 25.1%). Эта модель обеспечивает инновационное и практичное решение для платформ с ограниченными вычислительными ресурсами встроенных систем, таких как роботы для сбора цитрусовых, сохраняя высокую точность обнаружения и значительно сокращая размер модели.

цитрусовые;зрелость;YOLOv11;облегчённый;обнаружение объектов