基于YOLO系列模型的香蕉串实时检测技术比较研究：面向精准农业的移动端部署优化

为解决传统香蕉采收依赖人工经验导致的效率低下和劳动力短缺问题，研究人员系统比较了YOLOv1至v12n模型在香蕉串检测中的性能。通过构建包含2179张多环境图像的专属数据集，发现YOLOv12n以93% AP50test精度和5.1 ms延迟实现最优平衡，其轻量化特性（2.56M参数）为移动端实时检测提供了可行方案，推动了农业自动化进程。

　　

香蕉作为全球重要经济作物，其采收环节长期依赖人工判断成熟度，不仅耗费30-40%生产成本，更面临劳动力短缺和伦理争议。传统经验式判断存在主观性强、效率低下等问题，尤其在多串共存场景中难以准确定位目标。尽管已有研究尝试用YOLOv4等模型实现99% AP⁵⁰精度，但44.96 ms的延迟难以满足田间实时需求。如何开发兼顾精度与速度、适配移动设备的检测系统，成为推动农业智能化的关键瓶颈。

来自葡萄牙的研究团队在《Smart Agricultural Technology》发表研究，系统评估了YOLO系列1至12代模型性能。通过采集4个产区2179张手机拍摄的卡文迪什香蕉图像（排除662张遮挡/过曝样本），采用五折交叉验证比较发现：最新YOLOv12n以93% AP^50test和51% AP^50-95test的精度，在5.1 ms延迟下实现最优表现，其创新的区域注意力机制（Area Attention）和重参数化ELAN结构显著提升遮挡场景下的检测鲁棒性。

关键技术包括：1）多厂商手机采集自然光照条件下的香蕉图像；2）YOLO格式标注与五折交叉验证；3）模型评估指标（AP⁵⁰、延迟、参数量）；4）安卓端TensorFlow Lite部署测试；5）三类场景测试（距离/光照/遮挡）。

【材料与方法】
研究团队在葡萄牙马德拉岛四个种植区采集2841张原始图像，经筛选后保留2179张构成数据集。所有图像采用YOLO标记工具标注香蕉串位置，输入分辨率按各模型默认设置（416×416至640×640像素）。训练采用300 epoch配置，以100 epoch耐心值监控验证集mAP。

【结果与讨论】
性能对比显示：早期YOLOv4t虽达89% AP^50test，但94 ms延迟难以实用；YOLOv8n通过解耦检测头设计将精度提升至92%，而YOLOv12n进一步引入闪存注意力（FlashAttention）机制，在保持6.3 GFLOPs计算量下实现精度突破。实地测试中，非遮挡场景AP^50test达97%，而遮挡场景仍保持91%，证明其对复杂环境的适应性。

与既往研究对比，该工作首次实现全系列YOLO模型（含最新v12）的横向评测，其移动端部署方案（三星Galaxy M21实测900 ms/帧）较专业相机方案更贴近农户实际需求。值得注意的是，模型在远距离（92% AP^50test）和背光（92%）条件下表现稳定，但塑料覆盖物仍会干扰检测，这与采收前需人工去除覆盖物的实际操作流程相符。

结论表明，YOLOv12n的轻量化特性与高精度平衡，使其成为移动端香蕉检测的理想选择。未来研究需整合成熟度判断模块，并通过合成数据增强提升遮挡场景性能。该成果为开发端到端采收决策系统奠定基础，对缓解农业劳动力危机具有重要实践价值。