《Frontiers in Plant Science》：A lightweight YOLO-TinyFuse model for small target detection of olive fruits
編輯推薦：
這篇綜述介紹了針對橄欖果實檢測中，小目標數量多、背景復雜、計算負載大等挑戰而提出的YOLO-TinyFuse輕量化檢測模型。該模型在YOLOv8n基礎上創新性地整合了P2高分辨率特征層、改進的跨尺度融合頸部結構（ModifiedNeck）以及雙向特征金字塔網絡（BiFPN）動態加權模塊。研究證實，該架構在保持高分辨率特征表征的同時，增強了雙向多尺度交互并優化了加權特征聚合，顯著提升了小物體識別能力，同時進一步降低了模型復雜度。實驗在多場景橄欖表型數據集上取得了mAP50達到92.3%、召回率達到84.5%的優異性能，為自動化橄欖采收場景中的主流邊緣計算平臺提供了一種可部署的、計算高效且實時的目標識別解決方案。
引言
橄欖是一種高價值的經濟作物，在全球農業經濟中占據重要地位，其果實是優質食用油脂的主要來源。在橄欖的生長周期中，果實檢測等任務是精準果園管理的關鍵組成部分。然而，田間橄欖果實檢測面臨著四大主要挑戰：小目標特征極易丟失、存在嚴重的背景干擾、目標尺度差異大以及部署條件受限（如在山區果園依賴無人機等邊緣設備）。傳統的基于專家經驗或傳統圖像處理技術的方法在檢測精度和跨場景泛化方面存在明顯局限，深度學習已成為主導的解決方案范式。
材料與方法
數據集構建與預處理
本研究數據采集自中國四川西昌橄欖產業科技示范園區內的北河和悅華橄欖種植園。圖像采集涵蓋了橄欖果實發育的三個關鍵階段（幼果、膨大和成熟），并包含了多種光照條件（晴天、多云、低光等）以及代表性的果園背景（密集枝葉遮擋、果實重疊等）。數據集最終包含12,259張高質量圖像，并通過分層隨機抽樣策略劃分為訓練集、驗證集和測試集。預處理過程包括圖像統一調整為640×640像素，以及應用馬賽克增強、水平翻轉、幾何變換和HSV顏色空間調整等場景自適應增強操作，以提升模型在復雜果園環境下的魯棒性。
YOLO-TinyFuse架構概述
YOLO-TinyFuse是一種基于YOLOv8n基線改進的增強模型，其整體架構如圖2所示。該模型首次整合了ModifiedNeck結構、BiFPN雙向加權特征融合模塊和P2高分辨率特征層。模型保留了YOLO系列典型的三段式Backbone-Neck-Head結構。
主干網絡特征提取：CSPDarknet
骨干網絡基于CSPDarknet架構，并引入了新的P2特征層，旨在保留更多對小目標表型特征提取至關重要的細粒度細節。與P3、P4和P5層一起，P2層形成了一個多尺度特征金字塔，逐步捕獲從低級紋理到高級語義表示的信息。
具體流程如下：
- 1.
初始特征映射：輸入圖像首先經過初始卷積層，通道維度擴展至16并進行第一次下采樣。
- 2.
淺層特征提取：通過第一個C2f模塊生成P2/4特征層（分辨率為160×160像素，對應4倍下采樣）。此設計有效避免了傳統8倍下采樣導致的小目標細粒度信息損失問題。
- 3.
漸進式多尺度特征生成：通過重復的下采樣和C2f細化操作，依次生成P3/8、P4/16和P5/32特征層。P5層之后，其輸出被送入SPPF模塊，以豐富感受野多樣性并增強全局語義特征表達。
頸部多尺度特征融合
為了克服原始YOLOv8n中簡化FPN結構跨尺度信息流不足和多尺度特征加權欠佳的限制，本研究引入了一個由ModifiedNeck和BiFPN模塊組成的兩階段融合架構。
ModifiedNeck特征融合模塊
ModifiedNeck模塊（其結構如圖4所示）專注于雙向路徑交互、通道統一和殘差增強。其核心步驟如下：
- 1.
橫向連接與通道統一：使用1×1卷積將P2至P5各特征層的通道深度標準化為64。
- 2.
自上而下路徑：從P5開始，經過上采樣并與相應層進行逐元素加法融合，再通過C2f模塊進行細化，實現語義信息的有效向下傳播。
- 3.
自下而上路徑：從P2開始，通過步長為2的3×3卷積進行下采樣，然后與相應層進行拼接，再通過C2f模塊增強，實現細粒度信息的有效向上反饋。
- 4.
輕量化優化：最終輸出一個統一的、64通道的多尺度特征金字塔（P2_out至P5_out）。
BiFPN加權融合機制
改進后的BiFPN模塊（其結構對比如圖5所示）將原始P3-P7特征層級調整為P2-P5配置，以更好地適應小目標檢測的需求。該模塊在ModifiedNeck輸出的256通道特征圖上進行操作，通過雙向迭代融合和可學習的加權機制，高效聚合不同尺度的特征。
其核心計算邏輯是：為輸入特征圖Pi（i∈{2, 3, 4, 5}）應用可學習的標量權重wi，并進行歸一化后的加權求和。這種設計能自適應地放大高分辨率P2特征對小目標區域的貢獻，以及深層語義P5特征對復雜背景區域的貢獻。此外，采用深度可分離卷積和共享權重策略，顯著減少了參數量，提高了模型在資源受限的邊緣平臺上部署的適用性。
頭部：P2檢測層
為了提升對橄欖幼果等小目標的檢測精度，引入了專用的P2檢測層，形成了P2-P3-P4-P5四尺度檢測架構。檢測頭采用了解耦設計，每個尺度的輸出由獨立的分類和回歸分支處理，以減少任務間的特征沖突。P2層聚焦于超小目標（小于32×32像素），其160×160的高分辨率特征表示顯著提升了架構對小目標的空間定位精度和特征表征能力。
評估指標
本研究采用七個核心指標對模型性能進行多維度評估：精確率(Precision)、召回率(Recall)、F1分數(F1-Score)、50%交并比下的平均精度均值(mAP50)、參數量(Parameters)、每秒幀數(FPS)和十億次浮點運算(GFLOPs)。
實驗評估
實驗設置
實驗在配備NVIDIA GeForce RTX 4090 GPU等硬件的環境下進行，軟件環境包括Linux操作系統、Python 3.8和PyTorch 2.1.0。模型訓練共100個周期，批大小為8，輸入分辨率為640×640像素，并采用了特定的數據增強策略。
對比實驗
與YOLOv5n、YOLOv9t、YOLOv11n、DETR-R50和DETR-R50-DC5等代表性檢測架構的對比實驗（結果如表2所示）表明，YOLO-TinyFuse在精確率、召回率、GFLOPs和mAP50等指標上均表現優異。YOLO-TinyFuse實現了92.3%的mAP50，顯著高于其他基線模型。訓練過程中的mAP50軌跡圖（圖6）也凸顯了其在準確識別和定位方面的優越性。
與YOLOv8n基線模型的對比
與基線模型YOLOv8n的對比（如圖7所示）顯示，YOLO-TinyFuse在mAP50、mAP50-95和F1分數上分別提升了2.6%、3.5%和3.7%，同時參數量減少了6.33%。進一步按目標尺寸（小于16像素、16-32像素、大于32像素）和遮擋水平（小于20%、20-50%、50-80%、大于80%）的分析表明，YOLO-TinyFuse在所有類別上均持續優于YOLOv8n，證實了P2層有效緩解了小目標檢測挑戰，而BiFPN模塊則增強了模型在不同遮擋條件下的檢測魯棒性。此外，基于COCO風格的錯誤分析（圖8）也顯示，YOLO-TinyFuse在漏檢和定位錯誤方面均有降低。
消融實驗
消融實驗（結果如表3所示）旨在量化P2高分辨率層、ModifiedNeck和BiFPN模塊各自的性能貢獻。實驗結果表明，單獨添加某個模塊的提升有限，甚至可能出現負協同效應（如BiFPN與ModifiedNeck的組合）。而三模塊集成系統（BiFPN + ModifiedNeck + P2）取得了最佳的整體性能：精確率達到86.9%，召回率達到84.5%，mAP50達到92.3%，mAP50-95達到71.8%。這證實了單一模塊增強的局限性，以及與P2層配對時模塊組合能提供顯著的協同增益，三模塊集成能產生最優性能。
可視化分析
在不同環境（低光照、高亮度、果實遮擋、果實模糊）下的代表性檢測示例（圖9）表明，YOLO-TinyFuse模型在多種場景下均保持了較高的魯棒性。人工標注與模型預測結果的對比圖（圖10）直觀地驗證了模型的檢測性能。此外，感受野對比圖（圖11）和熱力圖分析（圖12）顯示，YOLO-TinyFuse在橄欖果實區域產生了更集中、更高強度的特征響應，表明其輕量化設計能有效將表征能力集中在顯著區域，同時抑制背景干擾。
結論
本研究提出的YOLO-TinyFuse模型，通過整合P2高分辨率特征層、ModifiedNeck和BiFPN模塊，有效地解決了田間橄欖果實檢測中細粒度小目標特征丟失、復雜背景下特征融合效率低以及邊緣設備計算與續航約束等主要技術瓶頸。該模型在參數量僅為296萬、推理速度達18.6 FPS的輕量級配置下，實現了mAP50達92.3%、召回率達84.5%的優異性能，較YOLOv8n基線在檢測精度和模型緊湊性上均有顯著提升。模型可直接部署于樹莓派4B和無人機系統等邊緣計算平臺，滿足整個橄欖生產鏈的端到端檢測需求。此外，其技術框架展現出強大的可重用性，能夠高效適應小麥、櫻桃等其他作物，以及蜜蜂等小目標物體，芒果、蘋果等高遮擋度作物的檢測任務，推動了農業表型檢測從單一作物定制化向多作物通用化方向的演進。
