近日，中国热科院南亚所旱作农业工程团队在复杂环境下菠萝果实目标检测识别方面取得新进展。

随着深度学习技术的进步和无人机在农业领域的广泛应用，基于计算机视觉的菠萝目标检测已成为估算菠萝产量的关键方法之一。然而，无人机拍摄菠萝田图像时，受果实外观和种植特性影响，菠萝常被叶冠遮挡。同时，田间背景复杂，现有主流目标检测算法在复杂背景下对小目标的遮挡检测效果欠佳。针对这些问题，研究团队提出了一种改进的YOLOv8目标检测算法——DPD-YOLO，用于复杂环境下的菠萝检测。DPD-YOLO模型在YOLOv8基础上，引入了注意力机制，增强了网络在复杂背景中提取菠萝特征的能力；融合小目标检测层与双向特征金字塔网络（BiFPN），强化了多尺度特征整合与语义特征提取；将原YOLOv8检测头替换为结合交叉注意和自注意机制的RT-DETR检测头，提升了模型精度；并采用Focaler-IoU替代CIoU，使网络更聚焦于小目标检测。研究使用无人机采集菠萝田高分辨率图像构建数据集，并进行了广泛实验。结果表明，与现有主流目标检测模型相比，DPD-YOLO在背景复杂且目标遮挡条件下对菠萝的检测性能更优，其mAP@0.5达到62.0%，较原始YOLOv8算法提升了6.6%，同时精度提高2.7%，召回率提升13%，F1得分提高10.3%。

图1.RT-DETR 结构图

图2.原始图像及 EMA、CPCA、SimAM、MLCA和Coordinate Attention等算法识别结果

相关研究成果以“DPD-YOLO: Dense Pineapple Fruit Target Detection Algorithm in Complex Environments Based on YOLOv8 Combined with Attention”为题发表于《Frontiers in Plant Science》。论文第一作者为广东海洋大学林聪副教授，通讯作者为薛忠副研究员。该研究由中国热科院南亚所旱作农业工程智能装备团队联合广东海洋大学等机构共同完成。

该项工作得到海南省重点研发项目(NO.ZDYF2023XDNY058)、“十四五”广东省农业科技创新十大主攻方向“揭榜挂帅”项目(NO.2022SDZG03)以及中国热带农业科学院“揭榜挂帅”项目(NO.1630062022005)的资助。

原文链接：https://doi.org/10.3389/fpls.2025.1523552