YOLO-TDC：面向无人机影像中大叶种红茶茶芽检测与计数的轻量级网络

《Scientia Horticulturae》：YOLO-TDC: A lightweight network for tea bud detection and counting of the large-leaf black tea in UAV imagery

　　

在无人机（UAV）影像中准确检测与计数茶芽，对茶园快速监测和产量估算至关重要。然而，大叶种红茶冠层的垂直俯视（nadir-view）图像常受光照不均、芽叶密集遮挡、背景复杂和尺度变化显著影响，现有检测器难以兼顾检测精度与模型轻量化。为解决上述问题，研究人员提出 YOLO-TDC，一种用于无人机影像茶芽检测与计数的轻量级网络。研究人员构建了包含 2300 张图像、43885 个标注茶芽的大叶种红茶品种 Yinghong No 9 的无人机图像数据集。基于 YOLOv8n，YOLO-TDC 引入 MobileViT 骨干网络以实现轻量级全局特征提取，采用 CARAFE（Content-Aware Reassembly of Features，内容感知特征重组）进行内容感知特征重建，并设计 Lightweight Occlusion-aware Context Aggregation（LOCA，轻量级遮挡感知上下文聚合）模块用于多尺度上下文表示。训练中还采用 SlideLoss 与 Normalized Wasserstein Distance（NWD，归一化推土机距离）相结合的损失策略，以提升难样本学习和小目标定位能力。YOLO-TDC 的精度（Precision）为 76.2%，召回率（Recall）为 78.8%，mAP@0.5 达 84.6%，较 YOLOv8n 的 mAP@0.5 提升 6.1 个百分点。模型参数量为 2.42 M，模型大小 5.3 MB，在实验硬件配置下推理速度为 51.0 FPS。在计数方面，对比模型中其 R2 最高，为 0.86；田间无人机图像上的平均相对计数精度 Acount 为 84.53%。结果表明，YOLO-TDC 可为基于无人机的茶芽检测与计数提供准确且紧凑的方法，并为后续产量估算提供芽数信息。

《Scientia Horticulturae》刊载的该研究以无人机（UAV）影像中大叶种红茶 Yinghong No 9 茶芽为对象。研究背景方面，茶是重要的经济作物，产量估算传统依赖人工田间采样，耗时耗力且受样方选择与经验影响。早期茶芽计数依赖颜色、纹理、形状等手工特征和机器学习分类器，在光照变化、芽叶遮挡和复杂背景下泛化性差。深度学习中，密度图回归可数密集目标但丢失实例信息；目标检测能同时给出位置与计数，更利于精准采收与产量分析。已有 YOLO 系列、Transformer 类模型虽不断改进，但无人机影像具有冠层覆盖大、光照不均、密集遮挡、背景复杂和芽体尺度变化大等特点，现有方法仍难在精度与轻量化之间取得平衡，且对部分遮挡、弱边界茶芽的上下文利用不足。因此，研究人员开展本研究，旨在建立轻量且准确的无人机茶芽检测与计数框架，为茶园监测与产量估算提供可靠芽数信息。

作者为开展研究使用的主要关键技术方法包括：在广东英德茶试验站使用 DJI Phantom 4 RTK 无人机，于冠层上方 2–5 m 相对高度采集 Yinghong No 9 一芽二叶期影像；将高分辨率图划分为 912×1216、1216×1216、1368×1216 像素补丁，经 CVAT 标注后按 8:1:1 划分训练、验证与测试集；以 YOLOv8n 为基线，替换 MobileViT 骨干，颈部引入 CARAFE 与 LOCA 模块，并采用 SlideLoss 与 NWD 损失策略。

2.1. Data collection

研究人员在广东省农科院英德茶试验站采集图像，对象为大叶种红茶 Yinghong No 9 一芽二叶期茶芽，使用 DJI Phantom 4 RTK 无人机在 7:00–11:00 与 14:00–17:00 及多种天气和季节条件下获取 400 张高分辨率影像，相对飞行高度随地形、冠层高度和障碍物调整。

2.2. Data preprocessing and annotation

研究人员将原始影像裁为三种固定尺寸补丁，剔除模糊失真样本后得到 2300 张有效图像，并用 CVAT 仅标注可见茶芽，导出 YOLO 格式标签；实例数 43885 个，标注前中位框为 92.88×88.92 像素，数据集按 8:1:1 划分。

2.3. YOLO-TDC

研究人员以 YOLOv8n 为基础，用 MobileViT 替代原骨干以降低参数量并增强局部与全局建模；在 neck 中引入 CARAFE 提升上采样特征重建能力，并加入 LOCA 模块通过轻量多尺度分支、分支注意力、通道细化与门控残差融合增强遮挡和小目标表示；训练中用 SlideLoss 重加权难样本、用 NWD 降低小框定位敏感度。结果表明 YOLO-TDC 在精度、召回与 mAP@0.5 上均优于基线。

2.3.1. MobileViT backbone network

研究人员用 MobileViT 替代原骨干，其由 MV2 块与 MobileViT 块组成；MV2 采用倒残差与深度可分离卷积，MobileViT 块将局部特征展开为非重叠块序列，经多头自注意力获得跨块全局表示 X_G∈?^P×N×d，再折叠回空间尺寸，从而以较少参数兼顾局部细节与全局上下文。

讨论部分指出，已有茶芽检测多基于近景或受控图像，无人机俯视场景中的尺度、光照、遮挡和背景问题未被充分解决；单纯叠加注意力或 Transformer 不一定适合边缘部署。YOLO-TDC 的价值在于把轻量骨干、内容感知上采样、遮挡感知上下文聚合与面向小目标的小框敏感损失结合起来，在 5.3 MB 模型规模下实现 84.6% mAP@0.5 与 51.0 FPS，说明轻量模型也可用于田间无人机监测。其计数结果 R²=0.86、A_count=84.53% 进一步支撑了从芽数到产量估算的链条。

研究结论部分译为：YOLO-TDC 作为一种轻量级无人机茶芽检测与计数框架，在 Yinghong No 9 大叶种红茶数据集上取得了 84.6% 的 mAP@0.5、2.42 M 参数量和 5.3 MB 模型大小；计数任务中 R² 达 0.86，A_count 为 84.53%。该方法通过 MobileViT 骨干、CARAFE 内容感知特征重组、LOCA 遮挡感知上下文聚合以及 SlideLoss 与 NWD 损失策略，提高了密集、部分遮挡和小尺度茶芽的识别能力。结果表明，YOLO-TDC 可为基于无人机的非破坏性茶园监测提供准确且可部署的方案，并为后续产量估算提供可靠的芽数信息。