双分支多尺度小波增强方法在茶芽检测中的应用

《Applied Sciences》：Dual-Branch Multi-Scale Wavelet Enhancement Method for Tea Bud Detection

　　

摘要

茶芽检测是开发智能摘茶机器人的关键技术。为了解决复杂环境下的高假阴性率和假阳性率问题，以及不同茶种、天气条件、年份等因素对模型泛化性能的影响，本研究提出了一种基于双分支多尺度小波增强的茶芽检测方法，称为DMWE-YOLOv8n。该方法将多尺度小波特征并行整合到模型的主干结构中，通过二维离散小波变换提取多级小波特征，随后进行动态小波特征增强。接着，利用门控注意力机制对相同尺度下的空间特征和小波特征进行增强，并以双向引导的方式融合这些特征。最后，引入了一种新颖的小波余弦损失函数以提升模型的学习能力和泛化性能。实验结果表明，DMWE-YOLOv8n在ZC108-23茶芽数据集和五个跨领域茶芽数据集上的性能有所提升。具体来说，在AP₅₀指标上，其在ZC108-23数据集上的表现优于同尺寸的YOLOv11n，且在五个跨领域数据集上的表现分别提高了1.6%、7.65%、9.83%、10.67%和6.80%。综上所述，所提出的方法在检测精度、计算成本和泛化性能之间取得了良好的平衡。