摘要
野菱（Sagittaria trifolia L.）通常以单株或小簇的形式生长在稻田中，但由于其颜色、纹理和叶片形态相似，在无人机图像中很难区分这两种状态。本研究提出了一种两阶段框架：首先使用未经修改的YOLOv8n检测器定位候选目标，再通过专门的Patch-cls网络确定是单株还是多株植物。该分类器结合了多层特征、局部多尺度增强以及通道注意力机制；同时还测试了GhostConv变体，以评估其效率与性能的平衡。研究分别报告了标注框和检测器生成的框的结果，随后进行了完整系统评估，统计了漏检目标、误报、重复检测、定位错误以及分类错误等情况。在三种随机种子设置下，所提出的Patch-cls模型的准确率为94.00 ± 0.34%，宏观F1值为83.81 ± 1.19%，多类召回率为73.18 ± 3.91%。在完整的测试流程中，宏观F1值从0.5459提升至0.5539，多类F1值从0.4224上升至0.4384，而在交并比为0.50时的平均精度均值（mAP50）则略有下降，从0.7023降至0.7016。在NVIDIA RTX A4000上，经过优化的流程可实现每秒88.89帧的处理速度，GPU内存峰值使用量约为1.62 GB。研究结果表明，Patch-cls有助于改善检测器生成的图像中的类别分布平衡，但整体提升效果较为有限，仍需更精准的定位能力和对密集目标的区分能力。
