面向兰科植物茎粉末显微结构鉴定的YOLO11s-MDOP多尺度检测框架

《Smart Agricultural Technology》：YOLO11s-MDOP: A Multi-Scale Framework for Microscopic Structure Detection in Orchid Stem Powder

　　

研究人员提出YOLO11s-MDOP（一种多尺度检测框架）用于兰科植物茎粉末显微鉴定；在6,559幅图像上以仅9.5M参数量取得93.35%的mAP₅₀（mean Average Precision at IoU 0.5）；改进复杂显微纹理中的多尺度特征提取；评估BiFPN（Bidirectional Feature Pyramid Network）、SE（Squeeze-and-Excitation）、C3k2EMA（C3k2 with Efficient Multi-Scale Attention）和GIoU（Generalized Intersection over Union）在显微结构检测中的作用。

兰科是被子植物中重要且种类丰富的类群，包含约700属、20,000—35,000种；石斛属等许多物种兼具药用、园艺和观赏价值。过度采挖与环境压力使不少兰科物种濒危，因此有效物种鉴定对保护、可持续利用及药材和园艺质量控制十分重要。传统鉴定主要依赖花部等宏观形态，但兰花花期短，无花或果实时常难以鉴定；近缘种营养器官趋同，稳定诊断性状少。DNA条形码、色谱/光谱/质谱等化学方法受DNA质量、设备、生物信息流程、环境与贮藏条件影响；显微鉴定较简便，但仍依赖专家经验。现有深度学习研究多集中于宏观花部图像，而野生兰花常缺乏完整花部结构，药材贸易中亦常无生殖器官；针对兰科茎粉末显微结构的自动检测研究有限。为此，研究人员构建22种兰科植物茎粉末显微图像数据集，提出YOLO11s-MDOP，在YOLO11s中引入BiFPN增强多尺度融合、SE重标定通道、C3k2EMA增强细粒度特征，并用GIoU改进边界框回归。研究得出该模型在测试集上mAP₅₀为93.35%、参数量9.5M，优于基线和对比模型；其意义在于为无花或粉末状态下基于显微特征辅助兰科鉴定提供方法，但标本级物种鉴定准确率尚未评估。

关键技术方法（≤250字）：样本于2025年3月3日至5月12日采自云南大学兰科生态温室，由Dake Zhao教授鉴定；含11种Dendrobium、3种Coelogyne、2种Pholidota及Agrostophyllum、Callostylis、Cylindrolobus、Flickingeria、Otochilus、Thunia各1种。用EX21显微镜和20MP相机采集3072×2048图像，部分按约6MP采集；标注65个种-结构类别，共6,559幅图像、7,932个框。P1/P2用于训练和验证（5,247/656幅，按切片分离），P3用于测试（656幅，植物级独立）。模型以YOLO11s为基线，集成BiFPN、SE、C3k2EMA和GIoU；开展消融、注意力机制/损失函数比较、主流模型比较及LayerCAM可视化。训练输入640×640，批大小16，100个epoch，SGD或AdamW依模型设置。

研究结果：（1）YOLO11s-MDOP的消融研究：顺序加入BiFPN、SE、C3k2EMA、GIoU，在独立测试集三次随机种子评估；mAP₅₀由90.75%升至93.35%，最终精度、召回率、mAP₅₀、mAP_50-95分别为88.09%、87.53%、93.35%、84.29%，部分增量相对运行间变异较小。（2）训练损失分析：以随机种子123比较损失曲线，改进模型box_loss、dfl_loss、cls_loss低于基线，验证集优势较明显，曲线更平滑、波动更小；最后10个epoch关闭Mosaic（close_mosaic=10）后损失进一步下降。（3）不同注意力机制比较：在验证集随机种子123下选择配置。检测头前注意力机制比较中，SE取得最高召回率88.5%、mAP₅₀ 92.9%、mAP_50-95 84.1%，但精度由85.4%降至83.4%；ECA精度最高84.9%但mAP低于SE；CBAM精度最低81.6%；CA提升有限，故选SE。C3k2骨干中注意力机制比较中，C3k2EMA取得最高精度87.7%、mAP₅₀ 93.0%、mAP_50-95 85.2%，召回率87.0%低于无骨干注意力88.5%；C3k2CA和C3k2CBAM较低，故选C3k2EMA。不同损失函数比较中，GIoU精度88.4%、召回率87.9%、mAP₅₀ 94.3%最高，mAP_50-95 85.2%与CIoU相同；DIoU、EIoU、SIoU较低，故选GIoU。（4）YOLO11s-MDOP与其他检测模型对比实验：与YOLOv8s、YOLO11s、YOLO11m、YOLO12s、RT-DETR比较，三次种子测试集评估；YOLO11s-MDOP的mAP₅₀为93.35±0.02%最高，精度/召回率88.09%/87.53%；RT-DETR精度/召回率更高但mAP₅₀为90.98%；所提模型参数9.5M、GFLOPs 24.3，较YOLO11s参数9.4M略增、计算量增约13.6%。（5）原始与改进模型对低识别显微特征比较：开发Python/PyQt5/OpenCV桌面识别系统；改进后Cylindrolobus marginatus纤维mAP₅₀由61.2%升至94.0%，Dendrobium cariniferum薄壁细胞由64.7%升至98.4%，Dendrobium polyanthum纤维由65.4%升至94.0%；9个选定类均提高，5类超过90%，8类标准差下降。（6）LayerCAM可视化结果：在P₄颈部特征上做单层LayerCAM，选择目标类概率×IoU最大的非极大值抑制（NMS）前候选并反传sigmoid前分类logit；9个种-结构示例涉及8种。改进模型在部分示例中高响应覆盖目标更广，与表面纹理和边缘轮廓重叠；该结果为定性比较，不能推断模型学到生物学判别特征。

讨论部分总结：在本文条件下，YOLO11s-MDOP在65个种-结构检测类上取得mAP₅₀ 93.35%、精度88.09%、召回率87.53%；消融显示各组件加入后的性能变化，但未独立证明组件间协同或对背景噪声的鲁棒性。模型在三次随机种子间变异较小，部分困难类标准差下降。与YOLO11s相比，精度、召回率、mAP₅₀分别提高4.75、4.38、2.60个百分点；YOLO11m和RT-DETR的mAP₅₀为91.86%和90.98%，参数20.1M和30.2M，GFLOPs 67.9和108.3，约为所提模型24.3 GFLOPs的2.8倍和4.5倍。机制上，BiFPN提供双向跨尺度连接和自适应融合权重；SE在检测头前进行通道重标定；C3k2EMA以多尺度并行建模保留细粒度信息；GIoU在框不重叠时提供回归信号。LayerCAM仅支持空间响应检查，不能证明生物学可解释性。局限包括：未建立跨视野检测聚合为标本级物种预测的规则，未评估物种级鉴定准确率；测试集每种仅1株且同批次，不能充分反映株间变异；未评估跨批次泛化；未测推理延迟和吞吐，Params与GFLOPs不等同实际速度；仅含22种。失败案例中，Pholidota imbricata纤维被召回但置信度下降，表皮细胞置信度由0.96降至0.88，新检出纤维为0.68；Dendrobium officinale与Dendrobium parishii淀粉粒存在互相混淆，部分置信度为0.53和0.54，原因涉及视觉相似、背景噪声、颗粒重叠、杂质和低对比。未来需增加物种和独立样本、建立并评估标本级鉴定流程、评估便携设备部署，并针对低置信度纤维和难区分淀粉粒开展数据增强、动态标签分配或检测头修改的受控实验。研究结论翻译：由于形态相似性强、种间差异细微以及生殖器官季节性缺失，兰科物种准确高效鉴定仍是植物学研究和农业应用中的主要挑战；传统宏观和分子方法常难以为野外保护和药材质量控制提供快速、全年、经济的解决方案。为解决这些问题，研究人员开发了用于兰科茎粉末图像显微结构检测的YOLO11s-MDOP，通过整合BiFPN进行多尺度特征融合、SE和C3k2EMA进行细粒度特征提取、GIoU损失进行精确定位，有效捕捉细微解剖差异。大量实验表明，YOLO11s-MDOP以仅950万参数取得93.35%的mAP₅₀，平均mAP₅₀高于基线和更大模型。这些发现表明，在本文评估条件下，YOLO11s-MDOP能够检测兰科茎粉末图像中的种相关显微结构；其用于标本级物种鉴定和更广泛实际应用的价值仍需进一步验证。