Introduction
作为一种高价值特色热带水果，金火龙果的市场需求持续增长。其大规模种植增加了对支持动态田间生长监测、产量预测和自主采收的智能技术的需求 (J. Xu, Wang, Shi, He, & Liu, 2024)。然而，金火龙果园代表了典型的非结构化环境，其特征是藤蔓密集、花果簇生重叠，且在整个生长周期中目标形态和尺度变化显著 (Jiang, Lin, Lee, Yen, & Yang, 2011)。此外，变化的田间光照和严重的叶片遮挡降低了传统人工检查的效率并增加了主观性，导致错误率超过 15%，难以满足精准农业的要求 (Li et al., 2026)。传统的基于视觉的检测方法也容易受到小目标漏检、遮挡下定位漂移以及复杂冠层环境中重叠果实误检的影响，限制了其提供稳定可靠田间感知的能力 (Gao, Zhang, Zhang, & Gao, 2024)。目前，果实生长监测仍面临几个关键的技术挑战。首先，小目标占田间物体的比例较大，但包含的判别特征有限，导致常规检测模型的漏检率高达 20%–35% (Ferrer-Ferrer et al., 2023)。其次，叶片遮挡和果实密集簇生模糊了目标边界，显著降低了定位精度，导致严重遮挡下的 mAP 大幅下降 (Sun et al., 2024a)。第三，田间数据集通常表现出明显的长尾分布，使检测模型容易对稀有类别欠拟合，限制了其泛化能力 (Ayoub, Baig, Ashraf, & Okasha, 2025)。第四，动态田间检查经常受到相机抖动、树枝非线性运动和暂时遮挡的影响，导致常规跟踪算法中出现频繁的身份切换，其 IDF1 分数通常低于 65% (Shengde et al., 2025)。总之，这些挑战严重阻碍了采收机器人的自主田间作业和全周期精准管理。
近年来，深度学习在农业水果检测方面取得了显著进展。轻量级 YOLO 系列模型已被广泛用于火龙果、草莓、西红柿、油茶果和葡萄等作物的检测和定位，因为它们能在检测精度和推理速度之间提供良好的平衡 (Jin et al., 2025, Shi et al., 2024, Sun et al., 2024b)。为了在复杂的果园环境中提高性能，研究人员通过多尺度特征融合、注意力机制、轻量级网络架构和专用小目标检测头增强了检测模型 (Ma and Zhang, 2025, Yi et al., 2024)。例如，将小目标检测层和注意力模块引入油茶果检测模型，显著提高了严重遮挡下的精度、召回率和 mAP (Guo et al., 2025; Z. Xu, Li, & Long, 2025)。同样，特征增强和结构优化使葡萄检测模型在轻度遮挡下达到了 93.90% 的 mAP (Q. Wang et al., 2025)。然而，大多数现有方法都是针对常规水果种类和相对规则的果园环境开发的，对于具有高生长周期形态变异、严重藤蔓遮挡、密集分布的小目标和极端类别不平衡的高价值藤本水果，定制性有限 (An et al., 2024)。因此，这些方法在遮挡鲁棒性方面仍然有限，小目标召回率不足，对长尾数据分布的适应性差，跟踪性能不稳定，难以在移动田间检查任务中有效部署 (Tang et al., 2023)。
不平衡的数据分布是限制果园水果检测准确性的主要因素之一 (Hai et al., 2025)。在实际田间数据集中，未授粉花等常见类别的代表性较好，而对产量预测至关重要的过渡期和成熟果实相对稀缺，类别比例达到 10:1 甚至更高，导致高度不平衡的长尾分布 (O'Connor et al., 2019)。传统的数据增强方法主要依赖于随机翻转、缩放和颜色扰动。虽然这些技术增加了样本多样性，但它们无法选择性地丰富困难或代表性不足的类别，可能引入语义不一致性，因此无法从根本上缓解类别不平衡 (Khosla & Saini, 2020)。基于生成对抗网络 (GAN) 的增强方法通过生成针对模型弱类别的样本来提高检测性能 (Z. Wang et al., 2023)。然而，现有方法很少将特征归因与边缘感知图像混合相结合，导致合成样本边界不自然且视觉真实性有限。此外，缺乏自适应迭代停止机制限制了模型泛化能力的提高，并增加了过拟合的风险 (Cao, Zhou, Dai, Wang, & Zhang, 2024)。
在多目标跟踪中，主流方法通常采用基于检测的跟踪框架。SORT、DeepSORT 和 ByteTrack 等算法基于 IoU 匹配和外观特征进行目标关联，并已广泛应用于行人跟踪和通用视频监控 (Liu et al., 2024, Sang and Suo, 2025, Xu et al., 2025)。在农业应用中，这些方法也被用于果实计数和生长监测。然而，果园环境带来了独特的挑战，包括相机抖动、目标非线性运动、频繁的短期遮挡以及果实之间的高度视觉相似性。因此，常规跟踪算法容易出现身份切换、轨迹碎片化和重复计数 (Kang et al., 2024, Masoumi et al., 2024, Song et al., 2014)。之前的研究报告称，在果实分布密集和严重遮挡的条件下，常规跟踪方法通常仅能达到 52%–70% 的 IDF1 分数，难以保持身份一致性以实现准确的产量估算 (Tang et al., 2023, Xue et al., 2025)。此外，大多数现有跟踪算法独立于检测模型运行，导致冗余计算，难以满足边缘部署采收机器人的实时性和低功耗要求。
现有研究主要解决检测或跟踪等孤立任务，缺乏统一抗遮挡检测、稳定跟踪、轻量级推理和无损生物量估算的集成解决方案。为了填补这一空白，本文提出了 Fruit-OIC，一个专为非结构化金火龙果园定制的集成感知框架。与之前关于油茶或桃子等作物的研究不同，金火龙果面临着独特的挑战，包括极端的类内形态变异、特殊的藤蔓诱导遮挡模式、比例超过 10:1 的严重长尾分布以及高价值鲜果无损生物量估算的需求。我们的方法不是通用模板，而是针对这些特定特征的定制优化。动态案例挖掘缓解了极端类别不平衡，P2 检测层保留了微小目标的细粒度特征，旋转椭球映射实现了无损产量估算。最终，Fruit-OIC 为高价值果园环境中的智能监测和采收机器人感知提供了理论和技术支持。
