近日，中国热带农业科学院南亚热带作物研究所旱作农业工程/菠萝智能采收团队提出一种名为OALDNet的面向方向感知的轻量级检测目标网络，旨在实现自然田间条件下菠萝的实时定位和方位估计。

图1 OALDNet模型

准确的方位估计对于菠萝智能采收机械臂实现精确抓取至关重要，这使得有向物体检测成为农业自动化的关键技术。OALDNet集成了针对边缘设备高效推理而优化的紧凑主干网络，以及一个量化多尺度特征融合模块。该模块在减少计算成本的同时，增强了被遮挡和任意方向菠萝的识别能力。试验表明，OALDNet在检测准确性和计算效率之间实现了良好的平衡。模型在AP50=0.941和Ap0.5-0.95=0.745的情况下，平均方位误差为4.92°，同时在嵌入式硬件上以81 FPS的速度保持实时推理，且参数仅为0.8 M。田间实验证实了其鲁棒性和实用性，为智能机器人收割系统和其他精准农业应用奠定了坚实基础。

相关研究成果以“OALDNet: An orientation-aware light- weight detection network for precision pineapple harvesting”为题发表于《Applied Soft Computing》。中国热科院南亚所与广东海洋大学联培生羊子鸣为第一作者，广东海洋大学林聪副教授和中国热科院南亚所薛忠研究员为共同通讯作者。该研究得到了中国热带农业科学院国家热带农业科学中心科技创新团队、海南省重点研发项目、“十四五”广东省农业科技创新十大主攻方向“揭榜挂帅”等项目的资助。

论文链接：https://doi.org/10.1016/j.asoc.2026.115442