RDA-YOLOv8n：一种方向细化与结构优化的番茄成熟度检测方法

《Journal of Agriculture and Food Research》：RDA-YOLOv8n: A Directionally Refined and Structurally Optimized Approach for Tomato Maturity Detection

　　

在番茄等颜色敏感作物中，成熟度评估是自动化收获和质量管理的关键要求，但由于细微的表型差异易受光照变化、遮挡和复杂田间背景的影响，这一任务仍具挑战性。这些因素限制了轻量级目标检测器的有效性，而激进的数据增强和通用注意力机制往往收益有限或引入额外计算开销。为解决这些问题，本研究提出了一种基于YOLOv8n的轻量级番茄成熟度检测框架，该框架将检测头语义细化与使用Ghost风格卷积和深度可分离点卷积（depthwise–pointwise convolution）的结构压缩相结合。在检测头中引入了残差方向注意力（Residual Directional Attention, RDA）模块，通过方向深度空间滤波、通道选择性门控和受控残差调制来增强高层语义表示，从而在不改变颜色分布的情况下提高对视觉相邻成熟阶段的区分能力。为保持实时效率，一种压缩策略将检测头中冗余的高容量算子替换为轻量级替代方案，在不修改检测流程的情况下减小模型尺寸和计算成本。在番茄成熟度数据集上的实验结果表明，所提出的YOLOv8n + RDA-lite框架将检测精度从79.8%提升至85.4%，并将定位精度从86.8%提升至88.0% mAP@0.5，从74.7%提升至75.9% mAP@0.5:0.95，同时将参数量从301万减少至268万。性能提升在具有高类间相似性的中间成熟阶段最为显著，而对清晰可分的类别则保持稳定行为。结果表明，针对检测头的细化与结构模型压缩相结合，可在番茄成熟度评估中有效平衡检测精度与计算效率。

论文解读：RDA-YOLOv8n——一种方向细化与结构优化的番茄成熟度检测方法

研究背景与问题：随着AI赋能精准农业的发展，基于计算机视觉的目标检测已成为作物生长评估、产量估计和自动化收获的重要支撑。番茄成熟度评估对自动化采摘和质量分级至关重要，但成熟阶段之间的表型差异细微，且易受光照变化、叶片遮挡和复杂田间背景干扰，导致轻量级检测器难以提取判别性特征。传统手工检测方法主观且低效，早期视觉系统对照明敏感、易漏检。虽然YOLO系列等单阶段检测器已实现实时性能，但通用注意力机制在轻量模型中收益有限且可能增加计算开销，针对检测头的轻量细化研究仍不充分，无蒸馏的模型压缩策略也较少探索。因此，研究人员提出在YOLOv8n的检测头引入方向感知注意力，并通过结构压缩提升效率，以解决番茄成熟度细粒度识别与边缘部署之间的平衡问题。该研究发表于《Journal of Agriculture and Food Research》。

研究内容与总体结论：研究人员基于YOLOv8n构建了轻量级番茄成熟度检测框架，在P5检测头集成残差方向注意力（RDA）模块，并通过RDA-lite结构压缩策略降低模型复杂度。在Laboro Tomato数据集上的实验表明，所提出的YOLOv8n + RDA-lite模型将检测精度从79.8%提升至85.4%，mAP@0.5从86.8%提升至88.0%，mAP@0.5:0.95从74.7%提升至75.9%，同时参数量从3.01 M降至2.68 M，模型尺寸从6.3 MB降至5.34 MB。该结果表明，针对检测头的语义细化与结构压缩相结合，可在资源受限条件下实现精度与效率的有效平衡。

主要关键技术方法：研究使用了Laboro Tomato数据集，最初采集804张3120×4160像素图像，清洗后保留628张，采用CVAT工具按红色覆盖率分为全熟（≥90%）、半熟（30%–89%）和绿熟（0%–29%）三类，其中515张用于训练、113张用于验证。RDA模块通过水平与垂直方向深度卷积提取各向异性空间特征，经1×1点卷积进行通道混合，再通过全局平均池化、全连接层和sigmoid门控实现通道重标定，并以残差缩放方式稳定细化过程。RDA-lite压缩策略针对P5检测头尾部，采用Ghost风格卷积替代1×1卷积，并用深度可分离点卷积分解3×3卷积。所有模型在相同训练配置下评估，使用AdamW优化器、640×640输入、200轮训练，并启用HSV增强、水平翻转、平移、缩放和马赛克增强，禁用垂直翻转等破坏颜色线索的增强。

研究结果：
3.1 定量性能表现：基线YOLOv8n的精度为79.8%、召回率82.3%、F1分数81.0%，mAP@0.5为86.8%、mAP@0.5:0.95为74.7%。引入RDA后，精度提升至84.7%，mAP@0.5达到88.4%、mAP@0.5:0.95达到76.2%，且参数量未增加。进一步采用RDA-lite压缩后，精度保持85.4%，mAP@0.5为88.0%、mAP@0.5:0.95为75.9%，参数量降至2.68 M。三次随机种子重复实验证实结果稳定。推理速度方面，三个变体在RTX 4070上延迟接近，RDA-lite虽参数减少，但延迟未显著下降，可能与深度卷积和Ghost卷积的执行特性有关。
3.2 定性检测与定位分析：定性结果显示，基线模型在密集叶片和遮挡场景中存在漏检和边界框不对齐问题；加入RDA后，检测一致性提高，边界框与果实轮廓对齐更准确；RDA-lite在保持定位的同时减少误分类。Grad-CAM热图显示，基线模型注意力分散在叶片和背景上，RDA将激活聚焦于番茄表面，RDA-lite进一步抑制背景噪声，表明改进模型学习了更高质量的语义特征。
3.3 消融实验：将RDA分别置于P3、P4和P5检测层。结果显示，P5配置性能最优，精度达84.7%，mAP@0.5为88.4%、mAP@0.5:0.95为76.2%；P3配置的mAP@0.5:0.95接近P5，但精度较低；P4配置召回率最高（83.6%），但严格IoU下的定位鲁棒性下降（mAP@0.5:0.95降至75.0%）。这验证了在深层语义特征上应用方向细化更有效。
3.4 注意力机制与YOLO变体比较：在P5层分别集成CBAM、CA、BRA、ECA和SE注意力。ECA和SE的mAP@0.5:0.95约75.2%，CBAM为74.9%，CA为74.4%；BRA达到75.4%，但GFLOPs从约8.1升至21.5，计算成本显著增加。RDA-lite在GFLOPs为7.8时取得75.9%的mAP@0.5:0.95，RDA以8.2 GFLOPs取得76.2%。与YOLOv5n（74.1% mAP@0.5:0.95，2.55 M参数）和YOLOv8s（76.4%，11.13 M参数）相比，RDA-lite以2.68 M参数达到接近YOLOv8s的精度，表明其轻量且高效。

讨论与结论：讨论指出，RDA通过方向深度滤波保留了各向异性空间线索，有利于捕捉成熟度转变中的颜色渐变和轮廓变化；通道门控和残差缩放实现了受控的特征增强，避免了过放大导致的定位不稳定。RDA-lite的结构压缩针对高冗余的深层语义路径，在减少参数和计算的同时保持检测精度。类别分析显示，绿色类本身易分，半熟类提升最显著，说明细化主要改善了模糊边界。与标准注意力相比，RDA更契合农业图像的领域模式。研究局限性在于数据集规模较小且来自单一来源，跨农场、品种和环境下的泛化能力仍需多源数据验证。研究结论翻译：本研究提出了一种基于YOLOv8n的轻量级语义增强番茄成熟度检测框架，通过集成RDA模块和RDA-lite结构压缩，满足了农业视觉系统对复杂环境下细粒度可靠识别与低计算/内存需求的双重要求。RDA通过方向空间滤波、通道选择性加权和受控残差调制增强了P5检测头的高层语义表示，改善了视觉相邻类别（如全熟和半熟）的区分能力，并在遮挡、密集叶片和低对比背景下表现出鲁棒性。RDA-lite压缩策略在不增加训练开销的情况下减少了检测通路中的冗余，采用Ghost风格通道投影和深度可分离点卷积替代标准卷积，避免了蒸馏式方法的复杂性。最终模型参数量约2.68 M、模型大小5.34 MB，在保持竞争性检测性能的同时实现了精度与效率的平衡。该框架的主要贡献在于增强语义推理而非粗粒度检测，其设计原则还可推广至疾病进展评估、叶片成熟度估计和缺陷检测等涉及各向异性模式与渐变外观的任务。未来工作将评估跨作物和跨环境的泛化能力，研究边缘硬件性能，并探索与混合或Transformer检测器及自适应压缩策略的集成。总体而言，该研究证明在单阶段检测器中结合高层语义细化与结构化架构简化，为农业视觉应用中平衡检测性能与计算效率提供了有效途径。