基于YOLOv11增量学习的番茄表型性状高精度检测方法研究

为解决番茄表型性状自动化检测中模型泛化能力不足和数据动态更新难题，研究人员通过系统评估YOLO系列检测器性能，提出基于YOLOv11m的增量学习框架。实验表明该方法使mAP@0.5提升1.36%，F1-score提高1.1%，并在跨域适应中实现55.95%的检测精度，为农业表型分析提供了高效动态优化方案。

　　

研究背景与意义

在全球气候变化和粮食安全压力下，番茄作为全球消费量前三的农作物，其产量预计将比1989年下降66%。传统表型分析依赖人工目测，效率低下且难以应对海量数据。尽管高通量表型(HTP)平台能获取大量数据，但现有深度学习模型存在三大瓶颈：静态数据假设忽略植物生长动态性、小目标检测精度不足、模型难以适应不同采集环境。这些挑战促使Angelo Cardellicchio团队探索更智能的解决方案。

关键技术方法

研究采用意大利PhenoLab实验室的1673张高分辨率番茄图像(in-lab数据集)和田间采集的低分辨率图像(in-field数据集)，通过五阶段实验设计：1)系统评估YOLOv5/YOLOv8/YOLOv11性能；2)在YOLOv11m中测试卷积注意力模块(CBAM)和混洗注意力(SA)机制；3)开发增量学习框架实现分阶段模型优化；4)基于EigenCAM可视化决策过程；5)跨域适应验证。所有实验在配备NVIDIA H100的DGX Station完成，推理测试使用英特尔NUC模拟实际部署环境。

研究结果

1. 基线模型性能对比

在三种YOLO架构的9种密度模型中，YOLOv11m展现出最佳平衡性：mAP@0.5达58.7±1.0%，F1-score 62.6%，显著优于YOLOv8l的58.0%和YOLOv5s的56.9%。值得注意的是，模型密度与性能非正相关，YOLOv11l反比中等密度模型降低2.5%。

2. 注意力机制的双刃剑效应

在YOLOv11s上添加SA模块使mAP@0.5提升1.6%，但导致推理速度增加45.6%；而CBAM未带来精度提升却使延迟激增81.1%。对于YOLOv11m，两种注意力机制均产生负面效果，SA使mAP降低0.7%，CBAM+SA组合更使精度下降0.8%，印证了"模型容量与注意力效益负相关"假设。

3. 增量学习的突破性优势

分四阶段增量训练使模型mAP@0.5提升至60.06±0.2%，标准差从1.0%降至0.2%，推理速度反降19ms。EigenCAM可视化显示，增量学习使网络早期层即聚焦有效特征，而基线模型在特征融合前仍关注背景干扰。

4. 跨域适应的实践验证

将在实验室数据训练的模型迁移至田间场景后，仅用26张标注图像微调即实现55.95% mAP@0.5。与人工计数对比显示，在8/9测试地块中自动计数误差<15%，仅San Marzano品种的d地块出现显著偏差。

讨论与展望

该研究揭示了三个关键发现：首先，增量学习通过阶段性知识固化，有效解决了表型数据时序非平稳性问题；其次，YOLOv11m的C3k2模块天然适配小目标检测，无需额外注意力机制；最后，背景假阳性主要源于未标注的未熟果实和次级茎节点，这反而反映了模型超越人工标注的识别能力。

局限在于现有数据集的标注一致性不足，特别是田间数据存在20.3%的背景假阳性。未来工作将整合拓扑约束模块，并开发轻量化部署方案。论文发表于《Smart Agricultural Technology》，为智慧农业提供了可进化、可迁移的表型分析新范式，其增量学习框架对医疗影像分析等动态数据场景也具有借鉴价值。