-
题名基于改进YOLOv11的水果成熟度检测
- 1
-
-
作者
赵鹏
强光磊
卢波
高扬
张仟祥
-
机构
太原师范学院计算机科学与技术学院
智能优化计算与区块链技术山西省重点实验室
-
出处
《现代信息科技》
2025年第8期34-40,共7页
-
基金
山西省科技战略研究专项重点项目(202304031401011)。
-
文摘
针对水果成熟度检测中存在的精度不足、复杂背景下识别难度大,传统方法在特征提取上表现出明显的局限性等问题,为此,提出了一种基于改进YOLOv11的水果成熟度检测算法(AGLU-YOLOv11),以满足水果成熟度检测中对数据高效、可靠采集的需求。AGLU-YOLOv11通过优化YOLOv11主干网络中的C3k2模块,融合CATM(Conv Additive Self-Attention)与CGLU(Convolutional Gated Linear Unit)设计了C3k2_AddBlock_CGLU模块,显著提升特征提取能力及多品种、多阶段成熟度果实的适应性。同时,在特征融合阶段引入AFCA注意力机制,强化全局特征表达及复杂背景的适应性,实现高效水果质量检测与标注。实验结果表明,AGLU-YOLOv11在Precision、Recall、mAP@0.5和mAP@0.5:0.95指标上相比其他检测模型,在精度、鲁棒性和多尺度目标适应性上表现更优,能够更好地满足识别水果成熟度的需求。
-
关键词
YOLO
目标检测
CGLU
CATM
水果成熟度检测
-
Keywords
YOLO
Object Detection
CGLU
CATM
fruit ripeness detection
-
分类号
TP3191.4
[自动化与计算机技术—计算机软件与理论]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
