YOLO-MEST：基于重参数化多尺度融合与增强检测头的高精度茶芽检测模型

《Information Processing in Agriculture》：YOLO-MEST: a re-parameterized multi-scale fusion model with enhanced detection head for high-accuracy tea bud detection

本研究针对复杂田间环境下茶芽检测易受光照变化、遮挡及背景干扰等难题，提出了一种基于YOLOv8改进的YOLO-MEST模型。通过引入RepNCSELAN4模块增强特征提取能力，采用SPPELAN优化多尺度特征融合，设计轻量化解耦检测头LiteShiftHead提升分类回归精度，并创新性提出dDIoU损失函数加强边界框定位准确性。实验结果表明，该模型在自建优质茶芽数据集上mAP50达到84.9%，较基线YOLOv8提升1.7个百分点，同时结合形态学算法的采摘点估计方法形成了完整的检测-采摘技术闭环，为茶叶智能化采收提供了可靠解决方案。

　　

春茶采摘时节，茶农们面临着一个严峻的挑战：如何在漫山遍野的茶园中精准识别那些娇嫩的茶芽？传统的人工采摘方式不仅效率低下，而且随着劳动力成本的不断攀升，茶产业可持续发展面临巨大压力。更令人头疼的是，复杂的田间环境——多变的光照条件、层层叠叠的叶片遮挡、杂乱无章的背景干扰——使得即使是经验丰富的采茶工也难以保证采摘的准确性和一致性。

正是在这样的背景下，余传阳、薛毅、张留洋等研究人员在《Information Processing in Agriculture》上发表了他们的最新研究成果。他们意识到，现有的基于传统图像处理的方法（如颜色空间分析、形态学特征提取等）在可控环境下表现尚可，但一旦置身于真实的茶园场景，其性能便会大打折扣。而虽然深度学习目标检测方法（如YOLO系列）展现出了更强的特征提取能力，但在处理茶芽这类小目标、高密度场景时，仍存在误检率高、定位精度不足等问题。

为了突破这些技术瓶颈，研究团队以YOLOv8为基线模型，进行了一系列创新性改进。他们首先重构了特征提取网络，用RepNCSELAN4模块替代原有的C2f模块。这个模块巧妙地将重参数化技术（Reparameterization）与跨阶段特征融合相结合，在训练时采用多分支结构促进梯度流动，推理时则融合为单路径结构保证计算效率。同时，团队设计了SPPELAN特征金字塔结构，通过保留不同尺度池化分支的独立结果，为模型提供了更丰富的多尺度特征表示。

在检测头设计上，研究人员开发了轻量级解耦检测头LiteShiftHead。该结构将目标定位（REG）和分类（CLS）任务分离，分别采用空间通道混合卷积（SPConv）和深度可分离卷积（DWConv）来优化不同任务的特征处理。更值得一提的是，团队对损失函数进行了重要改进，在DIoU的基础上引入了形状差异惩罚项，提出了dDIoU损失函数。这个函数能够动态调整中心点距离和宽高比差异的权重，使模型既能保证边界框的中心对齐，又能维持形状一致性。

技术方法上，研究团队在安徽霍山县采集了4600张高分辨率茶芽图像构建数据集，包含安吉白茶、舒茶早等四个优质品种，涵盖不同光照条件和拍摄角度。采用YOLOv8-n为基础架构，依次引入RepNCSELAN4模块、LiteShiftHead检测头和dDIoU损失函数构建YOLO-MEST模型。在RTX 3090i GPU平台上进行训练，输入图像尺寸为640×640像素，使用SGD优化器进行300轮训练。评价指标包括mAP₅₀、参数量、FLOPs和FPS等。

3.1. 组合模块的消融研究

通过系统性消融实验验证了各改进模块的协同效应。结果显示，完整YOLO-MEST模型的mAP₅₀达到84.9%，较基线YOLOv8-n提升1.7个百分点，而计算开销仅增加8%。RepNCSELAN4模块在减少33%参数量的同时提升精度0.7%，LiteShiftHead以可忽略的计算成本带来0.4%的增益，dDIoU损失函数则贡献了0.7%的精度提升。

3.2. RepNCSELAN4与其他特征融合方法的比较

与CBAM、Shuffle Attention等主流注意力机制相比，RepNCSELAN4在保持优异检测性能（mAP₅₀为83.9%）的同时，参数量减少0.43M，体现了其在特征表示能力和计算效率方面的优势。

3.3. LiteShiftHead与其他检测头的改进对比

改进后的LiteShiftHead在目标检测任务中达到83.9%的mAP₅₀，优于DynamicHead和LADH等检测头方案。其通过任务特定的模块化设计策略，有效平衡了特征表达能力和计算效率。

3.4. 不同损失函数的比较

dDIoU损失函数在训练过程中表现出更快的收敛速度和更好的稳定性。在同等参数量条件下，其83.9%的mAP₅₀表现优于DIoU、WIoU和SIoU等损失函数，与PIoU性能相当但参数量大幅减少。

3.5. 特征检测推理与评估

通过XGrad-CAM可视化分析表明，YOLO-MEST模型能够对茶芽区域产生更连续、更全面的注意力分布，显著提升了复杂背景下小目标的特征表示能力。

3.6. 模型对比分析

在边缘计算平台上的测试显示，YOLO-MEST-s模型以58 FPS的速度达到86.4%的mAP₅₀，全面超越YOLOv5、YOLOv6和YOLOv8等同规模模型，而两阶段检测器Faster R-CNN仅达到71.6%的mAP₅₀。

3.7. 适应性测试

在未知复杂农业场景下的测试表明，YOLO-MEST-n在不同光照条件、背景干扰和目标尺度变化下均保持稳定的检测性能，展现出优秀的泛化能力和环境适应性。

3.8. 采摘点估计

基于形态学算法的采摘点估计方法有效解决了茶芽关键点检测的难题。通过GrabCut分割、中轴骨架化和自适应采摘点检测技术，该方案在不依赖大量标注数据的前提下实现了准确的采摘点定位。

这项研究的结论部分强调了YOLO-MEST模型在茶芽检测任务中的突破性进展。通过RepNCSELAN4+LiteShiftHead+dDIoU的组合策略，模型在保持实时处理速度（55 FPS）的同时，显著提升了检测精度。特别值得关注的是，研究团队提出的形态学采摘点估计算法作为后处理步骤，有效规避了基于深度学习的关键点检测方法对大规模标注数据的依赖，为实际应用提供了可行的技术路径。

讨论部分深入分析了各改进模块的技术优势：RepNCSELAN4通过重参数化技术扩大了卷积感受野，增强了对茶芽上下文信息的捕获能力；LiteShiftHead的解耦设计实现了定位和分类任务的针对性优化；dDIoU损失函数的动态权重调整机制使其能够适应不同形状茶芽的检测需求。这些技术创新的协同作用，使YOLO-MEST在复杂农业场景下表现出色。

该研究的实际意义在于为茶叶智能化采摘提供了完整的技术解决方案。通过将高精度检测与实用型采摘点估计相结合，研究团队成功搭建了从识别到采摘的技术闭环。这种技术路径不仅适用于茶产业，也为其他农作物（如水果、蔬菜）的自动化收获提供了可借鉴的思路。随着农业劳动力短缺问题的日益突出，此类技术的推广应用将有助于降低生产成本、提高作业效率，推动农业生产向智能化、精准化方向转型升级。

当然，研究团队也客观指出了当前工作的局限性：10.9 GFLOPs的计算复杂度可能对超低功耗边缘设备构成挑战；模型在极端天气条件和不同茶树种质资源下的泛化能力仍需验证；实际应用中的实时处理平台移动和机械对齐等问题有待进一步研究。这些问题的存在为未来研究指明了方向，包括模型轻量化优化、多环境适应性训练以及系统集成验证等。