《Journal of Food Composition and Analysis》：A Study on Cherry Tomato Visual Sorting Method Based on YOLOv10 with Small Object Enhancement and Edge Deployment
编辑推荐：
摘要：为解决自动化樱桃番茄分选中日益增高的漏检率、多尺度检测挑战以及先进模型在边缘设备上部署困难的问题，研究人员提出了一种基于改进YOLOv10m的模型。首先，将颈部的原始拼接（Concat）操作替换为自适应多尺度特征融合（Adaptive Multi-Sca
摘要：为解决自动化樱桃番茄分选中日益增高的漏检率、多尺度检测挑战以及先进模型在边缘设备上部署困难的问题，研究人员提出了一种基于改进YOLOv10m的模型。首先，将颈部的原始拼接（Concat）操作替换为自适应多尺度特征融合（Adaptive Multi-Scale Feature Fusion，AMSFF）模块以增强特征融合，并引入动态尺度选择机制来提升对困难、小尺寸及多尺度目标的检测能力。其次，将部分卷积（Partial Convolution，PConv）应用于颈部的下采样算子，以在保持关键性能的同时降低计算成本。最后，采用Ghost深度卷积（Ghost Depthwise Convolution，GhostDWConv）替代基线模型中的深度卷积（Depthwise Convolution，DWConv），以更好地平衡效率与表征能力。与基线模型相比，改进后的网络架构召回率提升了7.06%，平均精度均值mAP@50和mAP@[50:95]分别提高了2.12%和2.49%。同时，模型参数量、模型大小和浮点运算量（FLOPs）分别减少了26.14%、25.97%和28.55%。在NVIDIA Jetson Orin Nano上部署时，所提出的模型达到了58.6 FPS的推理吞吐量，超过了工业相机的帧率，满足樱桃番茄在线分选的实时性要求。该研究不仅提升了检测精度，还促进了模型轻量化，为提高樱桃番茄生产线的分选效率和保障产品质量提供了切实效益。
基于YOLOv10的樱桃番茄视觉分选方法研究：小目标增强与边缘部署
一、研究背景与问题提出
樱桃番茄因其营养丰富和口感优良而广受消费者喜爱，在水果蔬菜市场中占据重要地位。目前樱桃番茄的分级主要依赖人工和机械分选方法，评估指标包括形状、颜色和品质等。然而，樱桃番茄果皮薄嫩，在加工过程中极易受到机械损伤，如果实表面的划痕和擦伤。同时，果实表面天然存在的蜡质涂层导致强烈的光线反射，使得人眼难以准确识别诸如隐性损伤和病斑等关键缺陷。传统人工分选不仅效率低下，而且由于缺陷漏检和后续损伤，收获后损失率高达10%至15%。随着深度学习技术的快速发展，基于卷积神经网络的检测方法已在农产品检测领域展现出巨大潜力。YOLO系列算法凭借其轻量化的架构和优越的实时推理性能，已成为果蔬小目标检测和实时分级的最优选择之一。然而，现有轻量化检测模型在工业樱桃番茄分级应用中仍面临两个任务特定的挑战：第一，工业采集数据集中存在固有的数据分布不均衡和多样化的目标尺度，模型在大尺度完整果实与微小尺度细微缺陷之间的特征学习能力不平衡，容易导致微划痕和潜在瘀伤等浅层特征丢失；第二，检测精度与模型轻量化之间存在内在矛盾，高精度模型存在结构冗余和计算开销过大问题，而极度轻量化的模型又不可避免地牺牲细粒度特征提取能力。
二、研究内容与主要技术方法
针对上述挑战，研究人员以YOLOv10m为基线模型，通过优化其颈部和检测头网络，提出了一个改进的检测框架。研究采用的主要关键技术方法包括：第一，采用自适应多尺度特征融合（AMSFF）模块替代颈部原始的拼接操作，该模块包含多尺度特征提取模块（MFEM）和自适应融合模块（AFM），通过通道注意力与动态尺度选择机制增强多尺度特征的融合效果；第二，在颈部的下采样算子中引入部分卷积（PConv）模块，该模块仅对四分之一的关键通道执行3×3卷积，其余通道保持不变，并通过跨层通道聚合机制传播空间信息，以降低计算开销；第三，在检测头中使用Ghost深度卷积（GhostDWConv）替代基线模型的深度卷积（DWConv），通过1×1逐点卷积进行通道降维，再通过廉价幻影卷积生成附加特征图。数据集方面，研究人员构建了一个包含1,313张图像的樱桃番茄分选数据集，其中训练集787张、验证集262张、测试集264张，共包含8,163个标注实例，分为优质果、次品果和异常果三个等级。
三、研究结果与分析
3.1 消融实验
以YOLOv10m为基线，研究人员设计了系统的消融实验来评估各优化模块的贡献。实验结果表明，三个增强模块功能互补且无重叠。与基线相比，改进模型在召回率上实现了7.06%的绝对提升，mAP@50和mAP@50:95分别提高了2.12%和2.49%，同时参数量减少26.14%、模型大小缩减25.97%、FLOPs降低28.55%。AMSFF通过动态尺度选择缓解了传统特征融合中深层语义对浅层细节的稀释，PConv通过结构化通道划分防止了下采样过程中的特征丢失，GhostDWConv的低成本幻影特征生成与AMSFF的动态过滤相结合，有效抑制了冗余或噪声特征。
3.2 特征融合模块对比实验
研究人员独立将BiFPN、ASFF、AMSFF、EMBS和AA-GFPN嵌入YOLOv10m颈部进行对比实验。结果显示，AMSFF增强模型在所有主要检测指标上表现最优，相对于基线和ASFF增强变体，召回率分别提升3.47%和1.05%，mAP@50分别提高1.89%和1.55%。AMSFF的双级融合机制整合了通道注意力和动态尺度选择，能够更精确地选择特征并进行有效的跨尺度融合。
3.3 下采样算子优化对比实验
为缓解AMSFF引入的计算膨胀，研究人员将SCDown中的3×3卷积下采样层分别替换为GhostConv、GhostNetV2和PConv。结果表明，PConv增强模型相对于基线在精度上提升1.44个百分点，召回率提升4.43个百分点，且相对于仅使用AMSFF的模型无性能下降，在所有关键指标上均有提升。PConv的“部分卷积+跨层通道聚合”架构实现了计算轻量化与检测精度的最优平衡。
3.4 检测头优化对比实验
研究人员将基线检测头中的DWConv替换为PWConv和GhostDWConv进行对比。GhostDWConv相对于基线使参数量减少7.29%、模型大小缩减7.16%、FLOPs降低7.73%，同时召回率和mAP均有所提升，实现了计算效率与表征能力之间的有利权衡。
3.5 Grad-CAM可视化分析
Grad-CAM可视化结果表明，基线模型的激活图对樱桃番茄目标呈现明显的空间弥散现象，而改进模型产生集中的激活模式，红色高亮区域准确覆盖每个樱桃番茄实例，背景激活值普遍低于0.2。分类与回归任务重叠图中，改进模型的重叠区域占目标总面积的78%，远高于基线的41%，表明分类-回归特征冲突得到有效缓解。
3.6 五折交叉验证
为评估模型的泛化性能和检测稳定性，研究人员实施了五折交叉验证实验。结果显示，精度在0.887至0.901之间波动，平均值为0.895；召回率在0.889至0.902之间变化，平均值为0.895；mAP50平均值为0.917；mAP50-95平均值为0.905。所有指标在不同数据划分策略下均表现出极小的偏差，交叉验证波动控制在1.5%以内，证明模型具有稳定一致的检测性能且无明显过拟合。
3.7 对比实验
研究人员与YOLOv3-tiny、YOLOv5m、YOLOv8s、YOLOv8m、YOLOv8-ECA、YOLOv9c、YOLOv11m、YOLOv12m和RT-DETR-r50共九个主流目标检测模型进行了对比实验。改进的YOLOv10m在所有对比模型中取得了最优的综合性能，拥有最高的mAP@50（0.917）和mAP@50:95（0.907），同时仅需12.15M参数、24.8MB模型大小和45.3G FLOPs，推理速度最快达77.9 FPS。
3.8 边缘设备部署实验
在NVIDIA Jetson Orin Nano上进行部署测试。原生PyTorch FP32模式下，基线和改进模型分别达到18.62 FPS和24.35 FPS；TensorRT FP16优化后，帧率分别提升至32.76 FPS和46.82 FPS；进一步启用TensorRT INT8量化后，分别达到41.58 FPS和58.64 FPS，改进模型的平均延迟降至17.05 ms。在精度方面，TensorRT INT8部署下改进模型的mAP@50和mAP@50:95仅分别下降0.004和0.005。由于工业相机的工作帧率为32 FPS，改进模型在两种TensorRT优化模式下均超过相机采集速率，完全满足在线分选系统的实时检测需求。
四、讨论与结论
研究人员讨论指出，现有的轻量化农业检测方法在技术假设上与在线樱桃番茄分级要求不完全一致。基于轻量级RT-DETR的方法虽然受益于端到端预测和全局特征建模，但其编码器-解码器结构和基于注意力的特征交互在嵌入式设备上通常引入更高的内存访问成本和部署复杂度。基于剪枝的YOLO方法虽然能显著减少参数量和FLOPs，但剪枝高度依赖预训练网络、剪枝比例和微调策略，过度剪枝可能削弱低频缺陷特征的表征能力。相比之下，研究选择在部署前优化YOLOv10m的内部结构，这种策略更符合工业樱桃番茄分级的任务特性，因为它同时解决了密集果实定位、细粒度缺陷判别和低延迟边缘推理三个核心问题。
研究结论部分指出，为应对樱桃番茄在线分级中的关键挑战，包括小尺寸缺陷果实漏检、多尺度特征表示不足以及高复杂度模型在边缘设备上的部署困难，本研究提出了一个基于改进YOLOv10m的检测框架。在自建数据集上的实验结果表明，改进模型在检测精度和模型紧凑性方面均优于基线YOLOv10m。五折交叉验证进一步验证了模型的稳定性，与主流检测模型的对比实验也显示改进的YOLOv10m在检测精度与推理效率之间取得了更有利的平衡。此外，在NVIDIA Jetson Orin Nano上的部署实验证明，该模型能在边缘计算约束下实现实时推理，支持其在在线樱桃番茄分级中的实际应用价值。本研究为提高樱桃番茄分选效率和产品质量提供了有效且可部署的技术方案，对农产品智能化加工具有实际应用价值。
