《AgriEngineering》：Improved YOLO11n-OBB for Rotated Watermelon Detection in Complex Field Environments Toward Agricultural Large-Model Applications
编辑推荐：
在复杂田间环境中对西瓜目标的智能感知是实现自动化收获以及未来与农业大模型协同决策的关键前提。为解决严重叶片遮挡、姿态变化大、相邻果实密集粘连以及传统水平边界框无法准确表示自然栽培条件下目标朝向等问题，研究人员提出了一种基于改进YOLO11n-OBB的旋转西瓜检
在复杂田间环境中对西瓜目标的智能感知是实现自动化收获以及未来与农业大模型协同决策的关键前提。为解决严重叶片遮挡、姿态变化大、相邻果实密集粘连以及传统水平边界框无法准确表示自然栽培条件下目标朝向等问题，研究人员提出了一种基于改进YOLO11n-OBB的旋转西瓜检测方法。在数据准备阶段，采用结合分割掩膜辅助与最小外接矩形拟合的半自动标注策略，高效构建了与果实真实物理边界高度吻合的西瓜定向边界框（OBB）数据集。在此基础上，对YOLO11n-OBB基线进行了三项结构改进：在骨干网络的中后阶段选择性嵌入大核选择性注意力（LSK）模块，以增强复杂背景下的自适应感受野建模和遮挡推理；将原颈部网络替换为轻量级双向特征金字塔网络（BiFPN），以强化田间场景中尺度变化较大目标的双向特征融合；在旋转框回归分支引入基于卡尔曼滤波的交并比损失（KFIoU Loss），以缓解角度敏感性和边界不连续性，从而提高朝向参数学习的收敛稳定性。在构建的西瓜OBB测试集上，改进模型将mAP@0.5（OBB）从0.871提升至0.931，mAP@0.5:0.95（OBB）从0.670提升至0.736，精确率（Precision）从0.885提升至0.931，召回率（Recall）从0.849提升至0.908（相对增益分别为6.89%、9.85%、5.20%和6.95%），同时推理速度保持在100帧每秒（FPS），参数量仅为2.71百万（M）。在保持紧凑模型尺寸和高实时性能的同时，所提方法显著提高了拥挤和重叠场景下的旋转检测精度。此外，研究人员将检测结果封装为结构化JavaScript对象表示法（JSON）感知接口，初步展示了该轻量级前端与农业大模型在任务规划和人机协同操作中的集成路径，并指出了其在未来智能农业决策中的潜力。
## 论文解读：改进YOLO11n-OBB用于复杂田间环境旋转西瓜检测及农业大模型应用
**研究背景与问题**
西瓜作为重要的园艺水果和夏季经济作物，其田间智能感知是实现自动化收获和未来农业大模型协同决策的关键前提。然而，自然栽培条件下存在严重的叶片遮挡、果实姿态变化大、相邻果实密集粘连以及尺度差异显著等问题。传统水平边界框检测器难以准确表示目标朝向，导致定位精度下降，且无法为后续智能采摘和结构化感知提供可靠的几何描述。现有研究多聚焦于果实存在性识别或成熟度分类，针对复杂田间环境下西瓜旋转目标的精确检测研究相对有限。因此，开展高效、轻量的旋转检测方法，为农业大模型提供高质量前端视觉支持，具有重要的实际价值。
**研究内容与结论**
研究人员提出了一种改进的YOLO11n-OBB旋转西瓜检测框架。在数据准备阶段，采用半自动标注策略（分割掩膜辅助+最小外接矩形拟合），构建了覆盖轻微遮挡、严重遮挡、光照不均和相邻干扰四类典型场景的西瓜OBB数据集（共1126张原始图像，经增广后训练集4728张，验证集114张，测试集224张，标注30120个目标）。对YOLO11n-OBB基线进行三项结构改进：在骨干网络Stage3和Stage4的C3k2模块中局部嵌入大核选择性注意力（LSK）模块以增强遮挡和复杂背景下的长距离上下文建模；将颈部替换为轻量级双向特征金字塔网络（BiFPN）以强化跨尺度双向特征融合；在旋转框回归分支引入基于卡尔曼滤波的交并比损失（KFIoU Loss）以稳定角度参数学习。实验表明，完整模型在西瓜OBB测试集上，mAP@0.5:0.95（OBB）从0.670提升至0.736（+9.85%），mAP@0.5（OBB）从0.871提升至0.931（+6.89%），精确率从0.885提升至0.931（+5.20%），召回率从0.849提升至0.908（+6.95%），F1分数从0.867提升至0.919（+6.00%），推理速度保持100 FPS，参数量仅2.71 M。与YOLOv8n-OBB、RT-DETR-OBB、Oriented R-CNN、S2ANet等对比，改进模型在精度与效率平衡上最优。检测结果被封装为结构化JSON感知接口，展示了轻量级前端与农业大模型协同的集成路径。论文发表在《AgriEngineering》。
**关键技术方法（不超过250字）**
研究人员采用如下主要技术方法：（1）半自动OBB标注策略：利用分割掩膜辅助提取目标轮廓，再拟合最小旋转外接矩形生成初始OBB标注，对严重遮挡等样本进行人工修正。（2）局部LSK-Backbone：在YOLO11n-OBB骨干网络的Stage3和Stage4的C3k2模块中，选择性嵌入多分支大核深度可分离卷积（5×5、7×7、9×9）与空间核选择机制，实现自适应感受野建模。（3）轻量级BiFPN-Neck：替换原PANet结构，引入双向加权特征融合（Fast Normalized Fusion），采用深度可分离卷积控制参数。（4）KFIoU Loss：将预测和真实旋转框建模为二维高斯分布，通过卡尔曼滤波形式计算重叠度，替代传统旋转IoU损失，缓解角度敏感性和边界不连续性。样本来源：北京市大兴区庞各庄镇老宋西瓜种植园，品种'京欣4号'，开放田间地爬栽培，2024年7-8月采集，共1126张6000×4000像素图像。
**研究结果**
**4.1 消融实验结果分析**
通过八组全因子消融实验（LSK、BiFPN、KFIoU三个改进的独立与组合），系统评估各模块贡献。完整模型（三者同时引入）相比基线YOLO11n-OBB，mAP@0.5:0.95提升9.85%，mAP@0.5提升6.89%，精确率提升5.20%，召回率提升6.95%，F1提升6.00%，FPS降低7.41%仍达100 FPS，参数量仅增加0.37%。各模块效果互补：LSK提升特征完整性，BiFPN改善多尺度融合，KFIoU增强旋转框回归稳定性。
**4.2 对比实验分析**
与YOLOv8n-OBB、RT-DETR-OBB、Oriented R-CNN、S2ANet和基线YOLO11n-OBB对比。改进模型在所有精度指标上最优，且维持轻量级（2.71 M参数）和实时性（100 FPS）。特征响应热图显示，改进模型在枝叶遮挡、光照不均和相邻干扰场景中响应更集中于目标主体，框拟合更紧凑。失败案例分析表明，在极端遮挡和果实严重粘连时仍存在漏检和分离不足，但优于其他对比方法。
**讨论与结论**
**讨论**
（1）与相关研究比较：改进YOLO11n-OBB在西瓜旋转检测任务上的性能与近期轻量级果实检测方法相当或更优，尤其在复杂田间环境下OBB的紧凑性和朝向稳定性方面表现突出。（2）三项改进的协同作用：LSK主干增强遮挡下的上下文建模，BiFPN颈部补偿跨尺度融合不足，KFIoU损失稳定角度回归，三者互补使完整模型性能提升最大，且参数量仅增加0.37%。（3）局限性：依赖单视角RGB图像，在近完全遮挡和极端粘连下仍有失败案例；数据集来自单一产地和品种，未充分覆盖跨区域、品种和光照条件；结构化JSON接口尚未与成熟度评估、收获策略等形成完整闭环。（4）未来方向：集成多视角、深度或时序信息；在Jetson等边缘设备上进行硬件在环验证；扩展多区域多品种数据集，并耦合农业大模型推理模块。
**研究结论**
本研究提出了一种改进的YOLO11n-OBB框架，用于复杂田间环境下的旋转西瓜检测，集成了局部LSK-Backbone以增强上下文建模，轻量级BiFPN-Neck以实现跨尺度特征融合，以及KFIoU Loss以稳定旋转框回归。在构建的西瓜OBB数据集上，相比YOLO11n-OBB基线，所提模型将mAP@0.5:0.95（OBB）从0.670提升至0.736（+9.85%），mAP@0.5（OBB）从0.871提升至0.931（+6.89%），精确率从0.885提升至0.931（+5.20%），召回率从0.849提升至0.908（+6.95%），F1分数从0.867提升至0.919（+6.00%），同时保持100 FPS的推理速度和仅2.71 M的参数量。除检测精度外，模型输出进一步被组织为基于JSON的结构化感知接口，逐目标编码旋转框几何、朝向、置信度及目标/场景属性，将检测结果从纯几何输出转化为可直接被上层智能系统解析和调用的表示，为下游农业大模型推理（成熟度、收获优先级、田间管理）提供输入基础。总体而言，改进的YOLO11n-OBB在保持轻量设计和实时性能的同时，增强了旋转西瓜检测的精度和朝向稳定性，并建立了面向农业大模型协同的结构化感知输出前端实现路径。这也表明，此类系统的田间视觉前端研究应超越“目标能否被检测”的问题，转向目标级几何信息、状态属性和场景关系的标准化表示。
