基于多角色协同蒸馏的复杂环境猕猴桃计数方法研究

《Agriculture》：MRCD-KC: Multi-Role Collaborative Distillation Method for Kiwifruit Counting in Complex Environments

　　

准确计数猕猴桃是智慧果园实现自动化疏果、智能采收和产量预测的核心技术前提。然而，复杂自然环境中果实体积小、遮挡严重、尺度变化等因素限制了计数精度的进一步提升。本研究提出一种基于多角色协同蒸馏的猕猴桃计数方法，构建包含一个教师网络、两个异构助教网络和一个学生网络的异构知识迁移网络架构，在保持检测精度的同时实现模型轻量化。基于YOLOv11架构，教师网络引入自适应遮挡感知模块（Adaptive Occlusion-aware Module，AOM）以增强对遮挡目标的识别能力；助教网络I采用多尺度融合（Multi-Scale Fusion，MSF）模块优化尺度相关特征，助教网络II集成小目标增强特征（Small-target Enhancement Feature，SEF）模块以改善密集小目标检测性能；学生网络基于标准YOLOv11，通过多源特征蒸馏和自蒸馏机制融合互补知识。实验结果表明，该方法实现了90.30%的精确率、84.30%的召回率和90.70%的mAP@0.5，均超过YOLOv11n基线，验证了其在遮挡、尺度变化和密集小目标检测场景下的有效性。该研究不仅丰富了农业视觉中多角色协同蒸馏的理论框架，也为复杂环境下猕猴桃计数提供了实用有效的技术支撑。

论文解读：基于多角色协同蒸馏的复杂环境猕猴桃计数方法研究

一、研究背景与问题

随着农业数字化的推进，智慧农业技术在果树栽培领域展现出广阔的应用前景。中国猕猴桃产业快速扩张，截至2024年种植面积已达20万公顷。传统栽培方式难以满足现代产业对精准化和数字化管理的要求。准确的猕猴桃产量估算是果园管理的基石，直接影响采收规划、劳动力分配、包装储存、物流运输和营销策略的制定，构成农业生产链管理的核心环节。然而，自然环境中猕猴桃存在果实密度高、枝条遮挡、光照变化和特征模糊等挑战，导致频繁的漏检和误检，严重制约计数精度。计算机视觉与目标检测算法为果实识别开辟了新途径，但精度提升通常以速度降低和计算量增加为代价，限制了实际部署。此外，自然环境中目标遮挡显著降低识别算法精度，尤其在小目标和多尺度检测场景中，导致目标丢失、误识别和特征提取困难。因此，亟需开发兼顾高精度与计算效率的猕猴桃计数模型。

二、研究内容与结论

针对上述挑战，研究人员提出MRCD-KC（Multi-Role Collaborative Distillation for Kiwifruit Counting）方法，构建"教师网络–双助教网络–学生网络"的1+2+1多角色协同蒸馏框架。教师网络基于YOLOv11m架构，在检测头后嵌入自适应遮挡感知模块（AOM）以增强遮挡目标识别；助教网络I基于YOLOv11n，采用多尺度融合（MSF）模块优化尺度相关特征；助教网络II基于YOLOv11n，集成小目标增强特征（SEF）模块改善密集小目标检测；学生网络采用标准YOLOv11n，通过多源特征蒸馏和自蒸馏机制融合互补知识。实验结果表明，MRCD-KC在测试集上取得90.30%的精确率、84.30%的召回率和90.70%的mAP@0.5，均优于YOLOv11n基线，模型体积仅5.5 MB，推理速度达50.6 FPS。该研究丰富了农业视觉多角色协同蒸馏的理论框架，为复杂环境下猕猴桃计数提供了实用技术支持。

三、关键技术方法

研究人员构建三层渐进式知识迁移架构。第一层教师网络基于YOLOv11m，在检测头后嵌入AOM模块，该模块采用深度可分离卷积残差分支结合通道指数重标定机制，增强遮挡场景下判别特征表达。第二层助教网络组包含两个异构网络：助教网络I在颈部引入MSF模块，通过双向互补机制和学习式双分支权重实现多尺度特征自适应融合；助教网络II构建小目标增强金字塔（SOEP）颈部结构，串行集成SPDConv、CSPOmniKernel和通道注意力（CA）模块，强化小目标特征表达。第三层学生网络采用标准YOLOv11n，通过通道级蒸馏（CWD）损失接收助教网络中间层特征知识，并引入层内自蒸馏约束，以深层颈部特征作为内部教师信号指导浅层特征学习。数据集采集自中国江西省宜春市奉新县猕猴桃生产基地，2024年10月果实成熟期完成，聚焦金丰品种，使用小米15 Pro和Realme GT Neo 2手机在0.2至2米距离拍摄，按7:2:1比例分层随机划分为训练集3035幅、验证集867幅和测试集434幅。

四、研究结果

4.1 不同模型性能对比：与Faster R-CNN、DETR、EfficientDet及YOLOv3-tiny、v5–v11系列对比，MRCD-KC在mAP@0.5、精确率和召回率上均优于同规模最佳模型YOLOv11n，模型体积约为YOLOv11m的七分之一，推理速度快42%，实现了检测精度、模型紧凑性和推理效率的良好平衡。

4.2 轻量化改进YOLO模型对比：与HGCA-YOLO、YOLO-TSL、YOLO-FD、YOLO-WDNet、YOLO-PDGT和YOLOv7-KDT对比，MRCD-KC取得最佳mAP@0.5（90.70%）和mAP@0.5:0.95（68.30%），模型体积最小（5.50 MB），FPS为50.60。

4.3 不同注意力模块性能讨论：教师网络候选模型中，YOLOv11m+AOM取得最高mAP@0.5（92.45%）和召回率（86.75%），GFLOPs为65.00，略低于原始YOLOv11m的68.20。助教候选网络中，YOLOv11n+MSF和YOLOv11n+SEF的mAP@0.5分别为90.90%和91.87%，高于CGFM（89.46%）和AIFI（90.20%）。

4.4 多角色蒸馏架构消融分析：教师→学生单蒸馏（T–S）mAP@0.5为90.30%；引入自蒸馏后（T–S–S）mAP@0.5降至89.99%。引入助教TA I（T–TA I–S）mAP@0.5为90.33%，结合自蒸馏后降至89.15%。引入TA II结合自蒸馏（T–TA II–S–S）mAP@0.5提升至90.42%。双助教加自蒸馏配置（MRCD-KC）mAP@0.5达90.47%，召回率达84.23%。三助教方案（T–TA I+TA II+TA III–S–S）mAP@0.5为90.25%，未超越双助教配置，表明助教数量并非越多越好。

4.5 不同蒸馏方法对比：与KD、FitNets、TAKD、CWD和PKD对比，MRCD-KC取得最高mAP@0.5（90.70%）和最高召回率（84.30%）。LayerCAM热图显示，MRCD-KC的高激活区域与实际猕猴桃位置重叠度更高，注意力集中且边界清晰，尤其在枝叶遮挡和多尺度场景下优势明显。

4.6 移动端交互与云端推理部署验证：系统采用"移动端交互+云端推理"的边云协同架构，用户通过小程序上传图像或视频并调整置信度阈值和IoU阈值。以7.63秒测试视频为例，系统处理31帧产生134个检测结果，经跟踪器去重后识别62个唯一猕猴桃目标，总处理时间7.13秒，短于视频原始时长。

五、讨论与结论

讨论部分指出，MRCD-KC在低光照条件下的注意力定位和实时视频端处理方面仍存在局限，精度上限与边缘端实时性能之间的权衡需进一步优化。研究结论总结为：MRCD-KC构建了"教师–双助教–学生"异构蒸馏架构，通过AOM增强遮挡目标识别、MSF优化多尺度融合、SEF改善小目标检测，学生网络通过双助教协同蒸馏和自蒸馏吸收互补知识。与先前工作YOLOv7-KDT主要针对双教师–学生蒸馏不同，MRCD-KC引入多角色知识源分工策略，使遮挡导向、多尺度和小目标增强知识分别建模并协同迁移。实验表明MRCD-KC的mAP@0.5达90.7%，较YOLOv11n提升2.2个百分点，模型体积5.5 MB，推理速度50.6 FPS。未来工作将沿三个方向推进：构建涵盖多品种和多样光照遮挡条件的大规模数据集；优化采样策略和轻量化架构以支持边缘端实时部署；扩展跨作物迁移学习以推广至苹果、柑橘等其他果树计数任务。