一种用于分选线马铃薯表面不规则缺陷检测的轻量级实时方法

《Postharvest Biology and Technology》：A lightweight real-time method for detecting irregular potato surface defects for sorting lines

　　

•一种轻量级YOLO-PSD模型可实时检测不规则土豆缺陷。•C3k2-ConvFormer-CGLU增强了多尺度缺陷特征提取。•LSCD-LQE提升了定位质量与边界区分能力。•Wise-IoU增强了高阈值定位与训练稳定性。

## 1. 引言

土豆是全球重要的主粮作物，在农业生产和食品加工产业中发挥着关键作用，其品质直接决定了市场价值和加工产出率（Zhang等，2025d）。为提升标准化水平，自动化分拣技术已被越来越多地应用于土豆品质分级（Zhao等，2024；Deng等，2024）。尽管机器视觉在基于大小和形状的分拣任务中已趋于成熟（Su等，2018；Yusianto等，2022；Su等，2020），但表面缺陷的自动检测仍是一个持续性挑战。缺陷形态高度多样且结构复杂，通常由环境胁迫、病原感染或机械损伤引起（Wang和Xiao，2021；Zhu等，2025a；Tang等，2026）。这些问题不仅影响外观，还降低了商业价值并损害储存稳定性，从而使表面缺陷成为分级结果中的关键因素（Li等，2021；Li等，2025；Guo等，2026）。面对此类复杂性，传统的图像处理和模式识别方法往往力不从心，而人工分拣效率低下且易受操作者主观偏差影响。在此背景下，本研究致力于实现土豆表面缺陷的高精度、轻量化、低延迟检测，以支持自动化质量检验与分级。

土豆表面缺陷自动检测的研究相对有限，现有方法大致可分为光谱成像方法、传统图像处理或机器学习方法以及基于深度学习的检测器。Ye等（2018）利用高光谱成像（HSI）结合特征波段选择与分类，以95.45%的精度成功可视化和识别轻微bruise缺陷；然而该方法受限于设备成本高且延迟大，难以满足实时应用需求。相比之下，传统机器学习和图像处理流程更具成本效益，更适合实时部署。例如，Mir等（2024）将卷积神经网络（CNN）与支持向量机（SVM）相结合检测表面缺陷，取得了较高的识别率。尽管如此，此类方法仍对光照和环境变化敏感，在多样化工作条件下的鲁棒性和总体准确性有所降低。

Wu等（2025）提出了Flaw-YOLOv5s，通过以深度可分离卷积（DWConv）替换标准卷积、引入SPPELAN增强多尺度感知以及采用轻量级CSPC结构减少冗余计算，该模型取得了95.6%的mAP、94.6%的精确率和4.33M参数。Liao等（2025）进一步在YOLOv8n基础上开发了HCRP-YOLO，集成了HGNetv2主干网络、轻量级CCFM颈部、重参数化RHead检测头以及基于GroupSlimming的剪枝，将参数量和计算量分别降至0.31M和1.2G。

近年来，深度学习越来越多地被应用于各类农业领域（Dikici等，2025；Huang等，2025a；Huang等，2025b；Zhang等，2025a）。例如，Lu等（2024）提出了YOLO-FD，一种基于YOLOv5的轻量级柑橘表面缺陷检测器；通过增强并平衡多尺度特征同时强化上下文表征，该模型减少了小目标漏检并提升了整体准确性。类似地，Han等（2025）提出了YOLO-CG-CPCA，将C2f-CG和CPCA模块融入YOLOv8，用于覆盆子成熟度的实时识别。此外，Zhang等（2025b）开发了Sheep-YOLO，一种轻量化模型，用于精准识别育肥羔羊行为与活力，在精度与实时性能之间取得了有效平衡。此外，Xue等（2025）设计了一种基于改进YOLOv11的主动学习驱动实例分割方法，实现了多种番茄表面缺陷的精准分割，以支持番茄自动分级。除目标检测外，Balazs等（2025）提出了一种跨生物群落ALS联合建模方案用于森林清查，表明联合模型在属性估计方面显著优于局部模型。此外，Stumpe等（2025）提出了一种深度感知的三维多模态图像配准方法用于植物表型分析，该方法减轻了视差和遮挡问题，同时确保在不同植物结构下的鲁棒性能。在果实图像分类方面，Gill等（2023）结合CNN、RNN和LSTM整合局部纹理与全局形态特征，从而提升了识别准确率。在植物病害分析领域，Ouyang等（2025）提出了FDRW-Net集成模型用于自主棉花叶片病害识别，证明了整合EMSA、ADM和C3T模块可显著提升准确率并降低计算成本。此外，Zhang等（2024）提出了一种基于DETR风格实例分割分支的统一多任务模型，联合优化叶片病变检测与分割，以实现更好的定位和轮廓描绘。在产量估计方面，González等（2025）采用基于UNet的编码器-解码器架构进行葡萄浆果语义分割，并通过迁移学习微调取得了优于现有果实计数方法的结果。更多研究持续报道了基于深度学习的检测在农业任务中的进展（Wang等，2024；Zhu等，2025b；Zhang等，2025c；Liu等，2025）。

尽管相关领域已取得显著进展，土豆表面缺陷的自动检测在平衡精度与实时性能方面仍面临困难。挑战源于缺陷形态复杂、缺陷类别多样以及先进检测模型的高计算成本。为克服这些局限性，本研究开发了土豆表面缺陷YOLO（YOLO-PSD）算法，一种基于YOLOv11n改进的检测器。该模型在保持高检测精度的同时减少了计算冗余并加速推理，从而支持在资源受限条件下的实时部署。本工作的主要贡献如下：

1）**面向土豆表面缺陷的YOLO-PSD模型。** 提出了一种新的轻量级实时检测模型，以满足土豆表面缺陷检测对高精度和低延迟的需求。

2）**基于C3k2-ConvFormer-CGLU的主干网络和颈部。** 在主干网络和颈部中引入C3k2-ConvFormer-CGLU模块，以增强多尺度特征表征并提升低对比度和尺度不平衡缺陷的检测能力。

3）**LSCD-LQE检测头。** 设计了一种LSCD-LQE检测头，通过整合共享轻量级卷积主干与解耦的分类和回归分支，从而提升边界区分能力并在目标重叠时保持可分性。

4）**基于Wise-IoU的框回归。** 采用具有动态聚焦机制的Wise-IoU，以在更严格的IoU准则下增强定位性能，实现细长和不规则缺陷的更精准定位。

为进一步阐明YOLO-PSD的架构创新性，表1将所提出的模型与代表性的基于YOLO的农业检测器进行了对比，包括基于YOLOv5、YOLOv8和YOLOv10的方法。对比重点包括基线网络、农业任务、主要增强模块以及与YOLO-PSD的差异。如表1所示，现有农业YOLO检测器主要关注轻量级卷积、注意力/上下文增强、跨尺度特征融合或果实级定位。相比之下，YOLO-PSD专为土豆表面缺陷检测而设计，集成了C3k2-ConvFormer-CGLU、LSCD-LQE和Wise-IoU，以增强纹理边界表征、定位质量感知的候选排序以及不规则缺陷区域的稳定框回归。因此，YOLO-PSD的创新性不在于从零开始提出每个单独的算子，而在于针对实时分拣线条件下低对比度、不规则且重叠的土豆表面缺陷，将适配的模块进行任务特定的集成。

**表1. YOLO-PSD与代表性基于YOLO的农业检测器对比**

| 模型 | 基线 | 农业任务 | 主要模块 | 与YOLO-PSD的差异 |
|------|------|---------|---------|----------------|
| Flaw-YOLOv5s | YOLOv5 | 土豆表面缺陷检测 | DWConv、SPPELAN、CSPC | 侧重于轻量级卷积和多尺度融合 |
| YOLO-CG-CPCA | YOLOv8 | 覆盆子成熟度识别 | C2f-CG、CPCA注意力、WIoUv2 | 侧重于注意力/上下文增强 |
| YOLOv10-Kiwi | YOLOv10 | 架式果园猕猴桃检测 | C2fDualHet、CCFM颈部、MPDIoU | 侧重于轻量级果实定位和跨尺度融合 |
| YOLO-PSD | YOLOv11 | 土豆表面缺陷检测 | C3k2-ConvFormer-CGLU、LSCD-LQE、Wise-IoU | 针对土豆表面缺陷集成纹理边界增强、定位质量排序和回归优化 |

综上所述，本文其余部分组织如下：第2节描述了土豆缺陷智能分拣机的架构、数据采集与处理流程，并详细介绍了所提出的YOLO-PSD算法。第3节概述了实验设置，包括硬件配置和训练超参数，并呈现了全面的结果。第4节对所提出的方法进行了讨论，突出了关键见解和启示。第5节总结全文并提出未来研究方向。

## 2. 材料与方法

本节介绍了土豆缺陷智能分拣机的架构和工作原理，随后阐述了表面缺陷图像的采集协议及相关数据处理流程。接下来简要概述了YOLOv11框架，之后详细描述了YOLO-PSD的网络架构及其关键组件的设计原理。

### 2.1 硬件系统

所提出的YOLO-PSD模型用于检测土豆表面缺陷。图1(a)展示了智能土豆缺陷分拣机的物理系统。功能上，该系统分为三个主要模块：图像识别模块（图1(b)）、翻板分拣模块（图1(c)）和双通道输送翻转模块（图1(d)）。该机器集成了鼓式电机、输送滚筒、摩擦胶带、工业相机、矩形照明器、电感式接近传感器、PLC控制单元、工业PC、倾斜板和气缸。

> 下载：下载高分辨率图片（386KB）
> 下载：下载全尺寸图片

**图1. 智能土豆缺陷分拣机的物理系统和三维模型**

在工作过程中，土豆由鼓式电机输送至双通道输送翻转模块。输送滚筒与摩擦胶带之间的摩擦力使每个土豆同步旋转，从而实现完整的360°表面特征采集。工业相机（大恒图像，中国）配合矩形照明器采集表面图像，图像在工业PC上进行处理（第12代Intel Core i5-12600KF，3.70GHz；16GB RAM；NVIDIA GeForce RTX 3070，8GB VRAM）。所提出的YOLO-PSD检测器执行实时缺陷识别；当土豆任何表面区域被归类为五种缺陷类别之一时，分拣命令被传送至PLC。由翻板下方气动缸驱动的翻板分拣单元执行分拣决策：收到信号后，对应的气缸缩回，使有缺陷的土豆落入废品槽，而合格土豆继续沿主路径行进。完整工作流程如图2所示。

> 下载：下载高分辨率图片（385KB）
> 下载：下载全尺寸图片

**图2. 智能土豆缺陷分拣机工作原理**

当土豆进入成像区域时，相机视野覆盖双通道系统中约6-8个输送滚筒，可同时采集六个完整土豆，如图3(a)所示。为保持稳定的对齐并确保双通道条件下的可靠运行，每个采集图像被划分为子区域。具体而言，在固定阈值x=750和x=1380处进行水平分割，将图像分为左、中、右三个区域。同时，在y=900处进行垂直分割，将图像分为两个独立通道（A和B）。两者结合共产生六个子区域，如图3(b)所示。

> 下载：下载高分辨率图片（300KB）
> 下载：下载全尺寸图片

**图3. 原始图像和区域划分示意图**

在双通道系统中，每个通道利用三个滑动窗口（左/中/右）并采集三个相位帧（T1、T2和T3），以在运动过程中同步采集同一土豆的不同表面区域。每个区域每次覆盖约110°-140°的表面区域。经过时空对齐后，三个片段被拼接在一起，形成土豆表面的完整360°合成图像，如图4(a)所示。以A通道为例，流程描述如下：

> 下载：下载高分辨率图片（315KB）
> 下载：下载全尺寸图片

**图4. 360°表面特征合成和分拣决策示意图**

- T1时刻：第一个对象的左侧区域被缓冲；
- T2时刻：第一个对象的中部区域和第二个对象的左侧区域被缓冲；
- T3时刻：第一个对象的右侧区域完成，同时第二个对象的中部区域和第三个对象的左侧区域被缓冲。

当第一个对象的三个区域全部就绪后，系统发出最终决策。如果在融合数据集中检测到"虫伤"、"腐烂"、"青皮"、"疮痂"或"机械损伤"中任意标签，则向该通道的PLC发送分拣命令；否则发出通过命令（图4(b)）。三个滑动窗口随后同步推进，该过程对后续对象重复执行，确保在连续物料流中实现稳定的时空对齐和实时分拣。

### 2.2 样本与图像采集

构建了一个包含617个中薯2号品种的土豆数据集，并分为六类：虫伤（103个）、腐烂（106个）、青皮（96个）、疮痂（103个）、机械损伤（105个）和正常（104个）。代表性表面缺陷图像见图5。为最大限度减少环境干扰并确保稳定的检测精度，图像采集在密封漫反射灯箱内完成。

传送滚筒由黑色ABS材料制成，以抑制背景眩光；外壳内的所有其他部件均进行了遮光处理，以防止杂散反射。

**图5. 马铃薯表面缺陷图像**

**2.3 数据处理**

共采集了来自617个马铃薯的不同排列和观看角度下的1346张原始图像，并使用LabelImg进行了标注。针对五个缺陷类别——虫伤、腐烂、青皮、疮痂和机械损伤，在可见缺陷区域周围紧密绘制了边界框。对于正常类别，由于不存在局部缺陷区域，边界框涵盖了整个可见马铃薯。因此，五个缺陷类别在病灶级别进行了标注，而正常类别则在马铃薯级别进行了标注。该标注策略使模型能够定位可见的表面缺陷并识别分拣场景中无缺陷的马铃薯。所有标注均以YOLO格式的.txt文件保存。

图像标注由两名具有马铃薯质量检测经验的标注员完成。缺陷类别的定义参考了GB/T 31784-2015《商品马铃薯分级与检验操作规程》（中国标准化管理局，2015），并结合了预先定义的基于图像的标准，涉及缺陷颜色、纹理、形状、边界和表面形态。虫伤被识别为由昆虫损伤引起的可见腔洞或取食痕迹；腐烂以不规则的灰褐色变色为特征，伴有可见的组织塌陷或表面劣化；青皮区域通过马铃薯表皮明显的绿色变色来识别；疮痂定义为粗糙的、木栓化的或结痂的表面病灶；机械损伤则通过可见的切割、擦伤、裂缝或撞击损伤来识别。正常马铃薯未显示任何可见的表面缺陷。土壤污染和天然芽眼结构被视为背景特征，未标注为缺陷。

为评估标注的可靠性，从数据集中分层随机抽取了135张原始图像的子集（约占数据集的10%），由两名标注员独立重新标注。类别分配的一致性使用Cohen's kappa进行评估，匹配的边界框之间的空间一致性使用平均IoU进行评估。Cohen's kappa值和平均IoU值分别为0.93和0.91。存在分歧的标注根据相同的标注标准经双方共同审核并通过共识解决。

在进行数据增强之前，617个马铃薯被分配了唯一的马铃薯ID，并按8:1:1的比例划分为训练集、验证集和测试集子集。马铃薯ID被用作划分单位，确保同一物理马铃薯的所有多视角图像仅被分配到其中一个子集中。除用于模型开发的主要数据集外，还收集了一个独立的外部验证集，来自另外三个马铃薯品种（尤金885、西森3号和荷兰15号）。这些品种未包含在训练、验证或测试子集中，专门用于评估跨品种的泛化能力。图像旋转、亮度调整和加性随机噪声仅应用于训练子集，如图6所示。验证集和测试子集除进行确定性的缩放和归一化外，未进行任何增强。每个训练图像的所有增强变体均保留在训练子集中，防止三个子集之间出现图像级别和马铃铃薯级别的重复。

**图6. 马铃薯图像增强示例**

还检查了六个类别中标注实例的分布情况。最大与最小实例比值为1.13，变异系数为4.09%，表明仅存在轻微的类别不平衡。因此，训练期间未采用类别加权采样策略。

**2.4 YOLOv11结构**

YOLOv11是一种最先进的单阶段目标检测器，已在COCO、DOTA-v1和VisDrone等公开基准上展现出强劲的性能（Wang等，2025）。与早期的变体如YOLOv5（Jocher，2020）、YOLOv8（Rahim等，2025）和YOLOv10（Sapkota等，2024）相比，YOLOv11提供了更有效的跨尺度特征融合、改进的解耦检测头以及增强的小目标识别能力。这些进展使其不仅适用于目标分类和检测，也适用于实例分割和目标跟踪。

在架构上，YOLOv11保留了经典的三部分设计：用于特征提取的骨干网络、用于跨尺度融合的颈部以及用于类别预测和边界框回归的解耦检测头。在特征提取和融合阶段，YOLOv11引入了C3k2模块，该模块将浅层核堆叠与跨阶段局部连接（CSP）相结合，以增强特征重用和梯度传播。与C2f相比，在相同的无锚框、解耦头框架下，C3k2同时减少了参数量和FLOPs，并改善了多尺度表示和收敛稳定性。这些改进带来了更强的对小目标、密集遮挡和非典型尺度变化的鲁棒性。

此外，YOLOv11提供了针对不同部署预算优化的多个变体（例如YOLOv11n、YOLOv11s、YOLOv11m和YOLOv11l），其中n、s、m和l代表参数量和计算需求递增的渐进式模型规模。其中n最小最轻量，其次是s和m，而l代表计算最密集的配置。

鉴于YOLOv11的广泛适用性、紧凑架构和可扩展的模型家族，选择了轻量级YOLOv11n变体作为基线并扩展开发了YOLO-PSD。由此产生的检测器实现了马铃薯表面缺陷的快速、准确和轻量级识别，满足了工业生产线实时部署的需求。

**2.5 YOLO-PSD**

为了增强马铃薯表面缺陷检测的准确性、紧凑性和实时部署能力，通过任务特定地集成多个适配模块对YOLOv11n进行了优化。在该框架中，ConvFormer、CGLU、基于DGQP的定位质量估计以及Wise-IoU从先前研究中引入，并根据马铃薯表面缺陷检测的特点进行了重新组织。首先，将骨干网络和颈部中的C3k2单元替换为C3k2-ConvFormer-CGLU模块，该模块增强了多尺度纹理和边界表示，从而改善了低对比度和尺度不平衡缺陷的检测，同时降低了计算成本。其次，将基线检测头替换为LSCD-LQE，该模块集成了共享的轻量级卷积主干、解耦的回归和分类分支以及用于定位质量估计的DGQP。该设计抑制了高分/低质量框并增强了目标重叠下的可分离性。最后，将CIoU损失替换为Wise-IoU，其非单调动态聚焦机制根据样本的相对难度自适应地重新加权，从而改善了整体边界框回归性能。因此，本工作的创新之处在于并非从零开始提出每个单独的算子，而是将这些组件集成到一个面向马铃薯表面缺陷检测的基于YOLOv11n的任务特定框架中。YOLO-PSD的整体架构如图7所示。

**图7. YOLO-PSD网络模型结构**

**2.5.1 C3k2-ConvFormer-CGLU结构**

在YOLOv11中，骨干网络和颈部使用C3k2作为基本单元，其中直连路径和堆叠路径并行运行，并在沿通道维度进行1×1卷积聚合之前进行拼接。然而，由于该设计主要依赖标准卷积进行通道-空间混合，它可能会欠选择判别性特征并削弱局部纹理表示，特别是在处理腐烂和青皮等低对比度和尺度不平衡的马铃薯缺陷时。为解决这一局限性，采用了ConvFormer模块（Yu等，2024；图8(a)），并将其通道MLP替换为CGLU（Shi，2024），从而形成了C3k2-ConvFormer-CGLU模块。随后，将YOLOv11n骨干网络和颈部中的原始C3k2模块替换为所提出的C3k2-ConvFormer-CGLU模块，如图8(b)所示。

**图8. ConvFormer模块、C3k2-ConvFormer-CGLU和CGLU模块的架构**

ConvFormer模块由两个主要部分组成。第一部分是令牌混合器，它对归一化特征应用深度可分离卷积并引入残差连接，从而实现低复杂度的局部空间混合和边界细节聚合。第二部分是通道建模分支。在所提出的设计中，原始通道MLP被CGLU替换。具体来说，一个分支采用3×3深度卷积后接门控激活以增强局部信息捕获，而另一个分支生成调制信号。两个分支的输出通过逐元素乘法组合以实现自适应特征加权。该结果随后进行线性投影，并通过残差连接加到模块输入上，产生最终输出（图8(c)）。

通过结合k=2瓶颈压缩与深度可分离卷积，C3k2-ConvFormer-CGLU模块缓解了低对比度缺陷的特征欠选择问题，增强了多尺度纹理和边界表示，同时减少了参数量和FLOPs，从而在检测准确性和轻量级效率方面实现了协同提升。

**2.5.2 LSCD-LQE模块**

基线YOLOv11n检测头采用解耦的分类/回归设计；然而，候选框排序主要依赖类别置信度，缺乏明确的定位质量约束，通常会保留高分但低质量的框。为解决这一局限性，开发了定位质量估计-轻量级共享卷积检测头（LSCD-LQE），如图9所示。给定来自颈部的三个金字塔特征（P3/P4/P5），每个分支首先应用1×1卷积后接组归一化（Conv_GN）进行通道对齐和特征融合。随后，分类、回归和质量估计路径共享一个轻量级的两层3×3 Conv_GN主干，该主干细化细粒度细节、聚合上下文信息、实现跨尺度参数共享，从而减少冗余。

**图9. LSCD-LQE检测头结构**

对于回归，1×1 Conv_Reg生成框回归特征，随后由Scale层自适应地重新缩放偏移量以适应不同的物体尺寸。对于分类，1×1 Conv_Cls产生类别置信度C。对于定位质量估计（LQE），采用了分布引导质量预测器（DGQP）：从回归输出中派生的统计向量F经过两个带有隐藏激活函数的全连接层，产生定位质量分数I。最终联合分数计算为J = C × I，用于候选框排序和非极大值抑制（NMS）。该设计抑制了高分/低质量的预测，改善了目标重叠下的可分离性，并通过共享的轻量级卷积降低了计算成本。这些表达式表述如下：

(1) I = σ(W?δ(W?F))，I ∈ [0,1]

(2) J = C × I

其中σ表示sigmoid激活函数，δ(·)为隐藏层非线性函数（本工作中设置为ReLU），W?和W?表示可学习的权重矩阵，F表示从回归分支四边框回归输出中提取的统计向量。

综上所述，LSCD-LQE在不引入重型解码器的情况下抑制了高分/低质量框。它增强了目标重叠和边界判别下的可分离性，改善了小缺陷（如虫伤和疮痂）的检测稳定性，同时保持了整体轻量级设计和实时部署能力。

**2.5.3 Wise-IoU边界框损失**

在马铃薯表面缺陷检测中，目标通常为细长形状且边界脆弱。在这些条件下，YOLOv11中的基线CIoU损失提供次优的梯度分配，未能充分利用高质量样本。为克服这些局限性，采用了Wise-IoU（Tong等，2023）。它保留了标准IoU作为几何项，同时引入了基于批级难度动量的非单调动态聚焦机制。该策略降低极易和极难样本的权重，同时强调具有信息量的中等质量样本，从而实现更有针对性的边界框回归优化。其公式如下：

(3) L_box = (1 - IoU) · ω(α, δ)_dyn(1 - IoU, μ_t)

其中IoU表示真实框与预测框之间的交并比，μ_t = (1 - β) · μ_{t-1} + β · E_batch[1 - IoU] 为批内几何难度的动量估计，β ∈ (0,1) 表示动量系数，E_batch表示当前小批次的算术平均值，t为训练步索引，ω(α, δ)_dyn ∈ (0,1] 表示非单调加权函数，其中α和δ是两个超参数，分别表示形状和聚焦强度。

因此，使用Wise-IoU的总体训练目标表示为：

(4) L_Wise-IoU = λ_box · L_box + λ_dfl · L_DFL + λ_cls · L_BCE

其中λ_box为Wise-IoU项的权重，λ_dfl代表离散边界分布监督的权重，λ_cls表示分类损失的权重，L_box表示边界框定位损失，L_DFL为分布焦点回归损失，L_BCE表示二元交叉熵分类损失。

该机制为细长和不规则缺陷（如机械损伤）的边界框回归提供了自适应样本加权。

**3 结果**

本节首先概述YOLO-PSD的计算硬件和训练超参数。随后详细描述所提出的改进模块，并展示评估每项增强所产生的性能变化的消融研究。随后展示了与代表性最先进检测器的对比评估。最后，报告了YOLO-PSD在双通道智能马铃薯分拣机上的部署以及现场试验的结果。

**3.1 实验设置**

实验在中国科学院AutoDL科技有限公司提供的在线服务器上完成。平台配置包括Intel? Xeon? Platinum 8352 V CPU（64核，128线程）和配备24 GB显存的NVIDIA GeForce RTX 4090 GPU。

软件栈由Python 3.8.10、PyTorch 2.4.1和CUDA 12.1组成。训练超参数设置如下：输入分辨率为640 × 640像素，300个训练轮次，批次大小= 32，采用SGD优化器，学习率= 0.001，动量= 0.937，权重衰减= 0.0005。数据增强采用了马赛克（因子= 1.0）和混合（因子= 0.5）方法。3.2. 评估指标对于马铃薯表面缺陷检测任务，使用精确率（P）、召回率（R）和平均精度均值（mAP）来评估模型性能。除非另有说明，本研究中的mAP指mAP@0.50，即在IoU阈值为0.50时计算得出。此外，采用mAP@0.50:0.95进行更严格的评估，该方法通过以0.05为间隔在0.50到0.95的IoU阈值范围内对AP取平均，用于更严格地评估边界框定位性能。模型紧凑性和计算复杂度通过参数量（Parameters）和浮点运算次数（FLOPs，以十亿计）来量化。实时效率通过延迟（ms）来评估。3.3. 改进模型实验结果3.3.1. 消融实验：C3k2-ConvFormer-CGLU的位置选择（主干网络 vs. 颈部网络 vs. 两者同时替换）开发了一种改进的基于YOLOv11n的检测器，称为YOLO-PSD，用于马铃薯表面缺陷检测。在主干网络和颈部网络中，标准堆叠的C3k2残差单元被替换为C3k2-ConvFormer-CGLU，该模块在k= 2瓶颈压缩下，将深度可分离空间混合与基于卷积的门控通道选择相结合。进行了一项消融实验，评估C3k2-ConvFormer-CGLU在YOLOv11n中的放置位置，包括仅用于主干网络、仅用于颈部网络或同时用于两者。结果汇总于表2中。替换主干网络使精确率提高了+1.4个百分点，但mAP降低了-1.2个点，与基线相比，这表明单边修改会破坏主干网络与颈部网络的多尺度一致性并导致特征分布不匹配。仅替换颈部网络仅获得了+mAP 0.3和精确率+1.6的有限提升，表明仅增强融合和重采样无法弥补受基线主干网络限制的弱低级表示。当同时替换主干网络和颈部网络时，mAP达到93.1%，比仅替换主干网络和仅替换颈部网络的变体分别高出+1.8和+0.3个点，而精确率基本保持不变。同时，参数量和FLOPs相比基线分别减少了10.5%和4.7%，从而降低了模型大小和内存占用。这些结果表明，同步替换在特征生成和多尺度融合之间创造了协同效应，实现了更优的精度与效率平衡，使模型更适合马铃薯缺陷检测的实际部署。表2. 不同位置C3k2实验对比。模型 | mAP (%) | P (%) | R (%) | 参数 (M) | FLOPs (G)YOLOv11n | 92.5 | 90.7 | 85.5 | 2.58 | 6.4主干网络 | 91.3 | 92.1 | 83.7 | 2.44 | 6.2颈部网络 | 92.8 | 92.3 | 86.3 | 2.46 | 6.2主干网络+颈部网络 | 93.1 | 92.3 | 87.3 | 2.31 | 6.13.3.2. 不同检测头实验结果基线YOLOv11n检测头采用解耦的分类-回归设计；然而，候选排序主要依赖于类别置信度，缺乏显式的定位质量约束。这一缺陷会导致边界溢出和小缺陷（如虫伤和疮痂）分离不佳。为解决此问题，使用改进的YOLOv11n主干网络和颈部网络评估了多种检测头，包括AttHead、LSCSBD、LADH、EfficientHead和本文提出的LSCD-LQE。该比较旨在评估LSCD-LQE在轻量级设计和细节表示方面的优势。在比较的检测头中，LSCD-LQE取得了最高的mAP@0.50和mAP@0.50:0.95值，分别为94.9%和71.1%。它还达到了94.1%的精确率和最高的88.9%召回率，同时保持相对较低的计算成本，为5.4 GFLOPs和2.16 M参数。这些结果汇总于表3中，展示了检测精度、定位性能和模型紧凑性之间的良好平衡。表3. 不同检测头的实验结果。检测头 | mAP@0.50 (%) | mAP@0.50:0.95 (%) | P (%) | R (%) | 参数 (M) | FLOPs (G)AttHead | 93.0 | 69.3 | 91.3 | 86.8 | 2.33 | 6.3LSCSBD | 94.3 | 70.7 | 92.8 | 88.1 | 2.19 | 6.0LADH | 93.9 | 70.1 | 94.1 | 86.3 | 2.01 | 4.9EfficientHead | 92.5 | 67.3 | 92.5 | 86.4 | 2.04 | 4.9LSCD-LQE | 94.9 | 71.1 | 94.1 | 88.9 | 2.16 | 5.4与AttHead相比，本文提出的LSCD-LQE分别将mAP@0.50和mAP@0.50:0.95提高了1.9和1.8个百分点，同时参数量减少了7.3%。这些结果表明，LSCD-LQE在保持模型紧凑性的同时，在更严格的IoU标准下提高了检测精度和定位性能。与LSCSBD相比，LSCD-LQE将计算复杂度降低了0.6 GFLOPs，并将mAP@0.50、mAP@0.50:0.95、精确率和召回率分别提高了0.6、0.4、1.3和0.8个百分点。这一改进表明，共享的轻量级主干、解耦的分类和回归分支以及基于DGQP的定位质量估计共同增强了候选质量和排序一致性。虽然LSCD-LQE的计算量比LADH和EfficientHead略高，但它分别将mAP@0.50提高了1.0和2.4个百分点，将mAP@0.50:0.95提高了1.0和3.8个百分点。总体而言，LSCD-LQE在评估的检测头中取得了最佳的检测和定位性能，仅增加了适度的计算开销。3.3.3. 不同边界框回归损失函数的实验结果为评估不同的边界框回归损失函数，使用C3k2-ConvFormer-CGLU和LSCD-LQE改进的模型对SIoU、DIoU、MPDIoU、CIoU和Wise-IoU进行了比较，其他所有训练设置保持不变。使用mAP@0.50、mAP@0.50:0.95、精确率和召回率（表4）评估其检测和定位性能，并使用图10中的验证损失曲线进一步检查其收敛行为。表4. 不同边界框回归损失函数的比较。损失函数 | mAP@0.50 (%) | mAP@0.50:0.95 (%) | P (%) | R (%)CIoU | 94.9 | 71.1 | 94.1 | 88.9SIoU | 94.4 | 69.9 | 94.5 | 86.6DIoU | 94.2 | 70.6 | 94.6 | 88.1MPDIoU | 94.6 | 70.2 | 93.2 | 89.2Wise-IoU | 95.6 | 71.4 | 95.1 | 89.9下载：下载高分辨率图片 (118KB) 下载：下载全尺寸图片图10. 不同损失函数收敛情况。如表4所示，Wise-IoU取得了最高的mAP@0.50和mAP@0.50:0.95值，分别为95.6%和71.4%，分别超过CIoU 0.7和0.3个百分点。Wise-IoU还将精确率和召回率各提高了1.0个百分点。这些结果表明，其自适应聚焦机制在更严格的IoU阈值下改善了整体检测性能和边界框定位。如图10所示，Wise-IoU在训练早期和中期阶段表现出较慢的收敛速度和较大的波动，但在后期阶段逐渐趋于稳定。3.4. 改进前后的性能比较原始YOLOv11n在主干网络和颈部网络中使用C3k2块，采用解耦的分类-回归检测头和CIoU用于框回归。YOLO-PSD引入了三项主要修改。首先，在主干网络和颈部网络中用C3k2-ConvFormer-CGLU替换C3k2，在降低计算成本的同时增强了整体精度。其次，用LSCD-LQE替换基线检测头，该检测头集成了DGQP进行定位质量估计，以改善目标重叠时的分离度并提高候选排序的可靠性。最后，用Wise-IoU替换CIoU，在更严格的IoU阈值下提高框回归精度并促进后期收敛稳定。图11展示了YOLOv11n与YOLO-PSD在马铃薯表面缺陷任务上的可视化对比。YOLOv11n表现出明显的误报和漏检，而YOLO-PSD实现了更高的精度，错误显著减少。如表5所报告，YOLO-PSD达到mAP = 95.6%、P = 95.1%和R = 89.9%，相比YOLOv11n分别提高了3.1、4.4和4.4个百分点。同时，该模型将参数量减少了16.3%，FLOPs减少了15.6%，推理延迟降低了2.1 ms。总体而言，这些结果表明YOLO-PSD在检测质量和效率方面均表现出色。下载：下载高分辨率图片 (366KB) 下载：下载全尺寸图片图11. 算法性能结果对比。红色椭圆表示误报，红色矩形表示漏检。表5. YOLOv11n与YOLO-PSD的性能比较。模型 | mAP (%) | P (%) | R (%) | 延迟 (ms) | FLOPs (G) | 参数 (M)YOLOv11n | 92.5 | 90.7 | 85.5 | 14.7 | 6.4 | 2.58YOLO-PSD | 95.6 | 95.1 | 89.9 | 12.6 | 5.4 | 2.163.5. 消融实验从原始YOLOv11n马铃薯表面缺陷检测基线开始，通过逐步引入每个提出的模块并在每个阶段重新评估模型，进行了累积消融实验。分析重点关注每种配置下的整体性能，以mAP、精确率、召回率、FLOPs和参数量作为主要评估指标。累积消融结果汇总于表6中。表6. YOLO-PSD模型消融实验结果。模型 | mAP (%) | P (%) | R (%) | FLOPs (G) | 参数 (M)YOLOv11n | 92.5 | 90.7 | 85.5 | 6.4 | 2.58YOLOv11n + C3k2-ConvFormer-CGLU | 93.1 | 92.3 | 87.3 | 6.1 | 2.31YOLOv11n + C3k2-ConvFormer-CGLU + LSCD-LQE | 94.9 | 94.1 | 88.9 | 5.4 | 2.16YOLOv11n + C3k2-ConvFormer-CGLU + LSCD-LQE + Wise-IoU | 95.6 | 95.1 | 89.9 | 5.4 | 2.163.6. 对比实验在马铃薯测试集上评估了整体性能，并与六种主流深度学习检测器进行了对比实验：Faster R-CNN、RT-DETR、YOLOv5s、YOLOv8n、YOLOv11n和YOLOv12n。对于每种模型，报告了mAP、精确率、延迟、FLOPs和参数量，提供了YOLO-PSD与代表性先进检测器之间的全面比较。根据表7，提出的YOLO-PSD达到mAP = 95.6%，分别超过Faster R-CNN、RT-DETR、YOLOv5s、YOLOv8n、YOLOv11n和YOLOv12n 4.8、9.3、2.1、4.2、3.1和1.7个百分点。仅有2.16 M参数，YOLO-PSD明显小于所有六个基线模型，而其12.6 ms的推理延迟展示了更快的运行速度，突出了其优越的紧凑性和实时能力。如图12所示，YOLO-PSD在训练过程中始终维持最高的mAP，约200轮次后收敛并在此后保持峰值性能。训练曲线还显示出比Faster R-CNN、RT-DETR、YOLOv5s、YOLOv8n、YOLOv11n和YOLOv12n更低的方差和更平滑的收敛，进一步证实了YOLO-PSD在检测精度和稳定性方面的综合优势。表7. 对比实验结果。模型 | mAP (%) | P (%) | 延迟 (ms) | FLOPs (G) | 参数 (M)Faster R-CNN | 90.8 | 85.3 | 88.2 | 108.1 | 40.31RT-DETR | 86.3 | 88.5 | 39.6 | 22.6 | 9.32YOLOv5s | 93.5 | 83.5 | 43.3 | 18.7 | 7.82YOLOv8n | 91.4 | 90.4 | 22.4 | 6.8 | 2.69YOLOv11n | 92.5 | 90.7 | 14.7 | 6.4 | 2.58YOLOv12n | 93.9 | 93.0 | 13.9 | 6.3 | 2.56YOLO-PSD | 95.6 | 95.1 | 12.6 | 5.4 | 2.16下载：下载高分辨率图片 (156KB) 下载：下载全尺寸图片图12. 不同YOLO模型的mAP比较。为进一步考察类别级性能，比较了各YOLO变体的各类别AP值，结果报告于表8中。YOLO-PSD在所有类别中均展现出持续强劲的性能，为Rot达到97.9%的AP，Worm wound达到97.9%，Green达到96.5%。在所有类别取平均后，YOLO-PSD始终优于Faster R-CNN、RT-DETR、YOLOv5s、YOLOv8n、YOLOv11n和YOLOv12n。虽然YOLOv8n在Mechanical damage类别上记录了略高的AP，但在其余四个类别上落后于YOLO-PSD。重要的是，YOLO-PSD在每个类别中都达到了至少94.0%的AP，突出了其稳健的细粒度学习能力，并强化了其在马铃薯缺陷检测任务上的整体优越性。表8. 对比实验结果。模型 | 机械损伤 | 腐烂 | 虫伤 | 青皮 | 疮痂Faster R-CNN | 83.3% | 95.3% | 94.4% | 96.0% | 89.7%RT-DETR | 78.5% | 93.8% | 90.0% | 93.4% | 87.6%YOLOv5s | 90.7% | 96.6% | 96.3% | 94.8% | 94.1%YOLOv8n | 95.6% | 95.6% | 90.9% | 86.6% | 86.3%YOLOv11n | 86.6% | 95.6% | 95.0% | 95.1% | 91.1%YOLOv12n | 89.8% | 95.9% | 96.1% | 94.1% | 93.4%YOLO-PSD | 94.0% | 97.9% | 97.9% | 96.5% | 94.9%为确定类别级AP差异是否与类别频率相关，分析了五种缺陷类别的标注实例数量与YOLO-PSD的AP值之间的相关性。Pearson相关系数为-0.640（p= 0.245），Spearman秩相关系数为-0.667（p= 0.219），表明类别频率与类别级AP之间不存在统计显著的正相关。因此，观察到的类别级AP差异并非主要由类别不平衡引起。进行定性评估时，从七个检测器中随机选取了每个的预测示例，并在图13中展示了代表性可视化结果。YOLO-PSD始终能识别所有表面缺陷，并产生更紧密、对齐更精确的边界框。相比之下，Faster R-CNN和RT-DETR更容易遗漏小或低对比度的缺陷，而YOLOv5s、YOLOv8n、YOLOv11n和YOLOv12n经常在复杂表面纹理上生成虚假边界框，尽管在某些样本上置信度较高。下载：下载高分辨率图片 (662KB) 下载：下载全尺寸图片图13. YOLO-PSD与代表性检测模型的定性比较。总体而言，定量指标和定性证据表明，YOLO-PSD对不规则马铃薯缺陷提供了强大的检测能力，满足实时部署要求。3.7. 跨品种外部验证和在线分拣实验为在开发数据集之外进一步评估YOLO-PSD的泛化能力，使用三种额外的马铃薯品种（Eugene 885、希森3号和荷兰15号）进行了外部验证实验，这些品种未参与模型训练或参数优化。使用四种马铃薯品种（中薯2号、Eugene 885、希森3号和荷兰15号）进行在线分拣试验，每个品种评估300个样本。对于每个品种，150个马铃薯具有五种缺陷类型中的一种（如虫伤、腐烂、青皮、疮痂、机械损伤），150个正常，形成平衡的评估集。图像采集采用多帧策略：当马铃薯在传送辊上旋转时，工业相机以不同姿态拍摄三个连续视角，以确保全面的表面覆盖。使用YOLO-PSD进行帧级检测，并将多类预测结果聚合为二元对象级决策：如果马铃薯的任何帧被分类为缺陷类别，则该马铃薯被标记为缺陷；否则标记为正常。结果汇总于表9中。表9. 不同马铃薯品种的外部验证结果。品种 | 模型 | 缺陷马铃薯总数 | 正确识别数1 | 正常马铃薯总数 | 正确识别数2 | 缺陷精确率(%) | 缺陷召回率(%) | 总体准确率(%)中薯2号 | YOLOv11n | 150 | 135 | 150 | 129 | 86.5 | 90.0 | 88.0中薯2号 | YOLO-PSD | 150 | 145 | 150 | 141 | 94.3 | 96.7 | 95.3Eugene 885 | YOLOv11n | 150 | 121 | 150 | 123 | 81.8 | 80.7 | 81.3Eugene 885 | YOLO-PSD | 150 | 130 | 150 | 135 | 89.7 | 86.7 | 88.3希森3号 | YOLOv11n | 150 | 128 | 150 | 128 | 85.3 | 85.3 | 85.3希森3号 | YOLO-PSD | 150 | 135 | 150 | 137 | 91.2 | 90.0 | 90.7荷兰15号 | YOLOv11n | 150 | 127 | 150 | 126 | 84.1 | 84.7 | 84.3荷兰15号 | YOLO-PSD | 150 | 138 | 150 | 136 | 90.8 | 92.0 | 91.3注：正确识别数1指正确检测的缺陷马铃薯数量；正确识别数2指正确识别的正常马铃薯数量；缺陷精确率表示被检测为缺陷的样本中实际为缺陷的比例；缺陷召回率表示实际缺陷样本中被正确检测为缺陷的比例；总体准确率表示所有样本中正确分类为缺陷或正常的比例。使用改进后的YOLO-PSD模型进行的实验检测结果如下：在150个缺陷马铃薯中，145个被正确识别；在150个正常马铃薯中，141个被准确识别。在300个中薯2号样本中，共有286个马铃薯被正确识别。缺陷精确率达到94.3%，缺陷召回率为96.7%，总体准确率达到95.3%。

与基线 YOLOv11n 相比，YOLO-PSD 在准确率方面实现了显著提升，展示了其在土豆表面缺陷识别方面的增强能力。为了评估所提出模型的泛化能力，我们使用不同的土豆品种进行了外部验证实验。除了中薯 2 号外，还包括了三个额外的品种，即尤金 885、西森 3 号和荷兰 15 号，以评估其跨品种适应性。YOLO-PSD 在测试的各个品种中均实现了稳定的检测性能。对于未见过的品种尤金 885、西森 3 号和荷兰 15 号，YOLO-PSD 分别达到了 88.3%、90.7% 和 91.3% 的总体准确率，表明改进后的模型在训练期间未使用的样本上仍保持良好的识别性能。

本研究使用土豆缺陷智能分选机进行了现场试验，如图 14 所示。该系统采用传送辊旋转和输送土豆，同时工业相机捕捉全表面图像。采集到的数据实时传输至工业控制计算机，由所提出的 YOLO-PSD 模型执行缺陷检测和分类。设备的运行参数根据实际工作条件进行配置，图像数据由独立采集的样本组成，以评估模型在实际应用中的识别稳定性和适应性。试验结果证实，捕获的图像清晰，检测结果准确，从而满足了在线分选任务的要求。

下载：下载高分辨率图像 (426KB)
下载：下载完整尺寸图像
图 14. 现场实验流程图。

为了进一步评估 YOLO-PSD 的在线分选性能，在封闭分选系统的固定照明条件下进行了传送带速度实验。由于图像采集使用固定的矩形照明器和稳定的漫反射照明进行，因此照明未被视为独立变量。针对不同的土豆品种，测试了 0.2、0.3 和 0.4 米/秒三种传送带速度。对于每种品种和传送带速度设置，在一次连续的在线分选测试中评估了 300 个土豆，并根据每种条件下正确分选的土豆总数计算总体分选准确率，如表 10 所示。

表 10. 不同传送带速度和土豆品种下 YOLO-PSD 的在线分选性能。

| 品种 | 传送带速度 (米/秒) | 总数 | 正确数 | 错误数 | 准确率 (%) |
| :--- | :--- | :--- | :--- | :--- | :--- |
| 中薯 2 号 | 0.2 | 300 | 281 | 19 | 93.7 |
| | 0.3 | 300 | 284 | 16 | 94.7 |
| | 0.4 | 300 | 275 | 25 | 91.7 |
| 尤金 885 | 0.2 | 300 | 260 | 40 | 86.7 |
| | 0.3 | 300 | 266 | 34 | 88.7 |
| | 0.4 | 300 | 254 | 46 | 84.7 |
| 西森 3 号 | 0.2 | 300 | 267 | 33 | 89.0 |
| | 0.3 | 300 | 272 | 28 | 90.7 |
| | 0.4 | 300 | 261 | 39 | 87.0 |
| 荷兰 15 号 | 0.2 | 300 | 269 | 31 | 89.7 |
| | 0.3 | 300 | 275 | 25 | 91.7 |
| | 0.4 | 300 | 264 | 36 | 88.0 |

注：准确率计算方式为每种条件下正确分选的土豆数除以测试土豆总数。

如表 10 所示，YOLO-PSD 在不同测试传送带速度条件下的分选准确率有所不同。在所有测试品种中，最高准确率均在 0.3 米/秒时实现，而 0.2 米/秒时的准确率略低，0.4 米/秒时的准确率最低。这些结果表明，在测试范围内传送带速度影响了在线分选性能。总体而言，YOLO-PSD 在评估的传送带速度条件下均实现了可接受的分选准确率，证明了其在中等速度变化下用于在线土豆缺陷分选的实用适用性。

除了单帧推理延迟外，还进一步考虑了 360 度多帧融合流水线的端到端延迟。在所提出的在线分选系统中，每个土豆在辊驱动旋转过程中被连续成像，并采集三个相位帧以覆盖不同的表面区域。YOLO-PSD 立即处理每个硬件触发的帧，并根据相应的土豆位置和通道缓冲检测结果。一旦同一土豆所需的三个表面片段可用，缓冲的帧级预测将被聚合为对象级的分选决策。如果任何帧被分类为虫伤、腐烂、青皮、疮痂病或机械损伤，则该土豆被视为缺陷品并向 PLC 发送拒绝命令；否则，发出通过命令。

因此，从图像捕获到分选决策的端到端延迟包括图像采集、图像传输、预处理、YOLO-PSD 推理、多帧决策融合以及 PLC 命令传输。由于在前两个帧级预测在最终相位帧到达之前已被缓存，因此获取最终所需帧后的额外延迟主要由单帧预处理和推理、轻量级决策融合以及 PLC 通信决定。决策融合步骤仅涉及缓冲预测的逻辑聚合，因此引入的计算开销可忽略不计。在第 2.1 节所述的工业 PC 平台上进行连续推理时，nvidia-smi 记录的峰值 GPU 显存分配为 578.3 MB，平均 GPU 功耗为 136.9 W。结合 12.6 毫秒的单帧推理延迟、5.4 GFLOPs 的计算成本和 12.0 个土豆/秒的系统级分选吞吐量，这些结果表明流式决策级融合策略使 360 度表面检查流水线能够满足在线土豆分选系统的实时响应要求。

4. 讨论
本研究提出了一种针对不规则土豆表面缺陷的轻量级、实时检测方法，专门适用于分选生产线。它解决了一个关键差距，即现有方法难以在生产条件下平衡检测准确性和效率。所提出的 YOLO-PSD 模型在三个关键领域提升了性能：(1) 轻量级骨干网络的设计，(2) 检测头部的改进，以及 (3) 边界框损失函数的引入。

首先，开发了 C3k2-ConvFormer-CGLU 模块以增强多尺度特征表示。通过替换骨干网络和颈部中的原始 C3k2 模块，实现了特征提取和多尺度融合的协同增强，提供了检测准确性和模型紧凑性之间更好的平衡。与仅将该模块引入骨干网络或颈部相比，同时集成到这两个组件中产生了更好的整体性能。其次，通过结合共享轻量级卷积主干、解耦的分类和回归分支以及基于 DGQP 的定位质量估计，引入了 LSCD-LQE。这种设计实现了定位质量感知的候选重评分，从而改善了目标重叠情况下的边界判别和可分离性。最后，基线 CIoU 损失被替换为 Wise-IoU，以在更严格的 IoU 阈值下改善定位性能。这些创新通过消融实验得到了验证，确认在所有缺陷类别中检测性能均有所提升，并展示了更强的模型泛化能力。总体而言，YOLO-PSD 实现了 mAP = 95.6%，比基线提高了 3.1 个百分点，超越了其他领先检测网络。重要的是，整个系统在真实分选线上的部署确认了该方法的工程可行性，在实时场景下提供了超过 94% 的检测准确率。

目前，基于深度学习的目标检测算法已广泛应用于农业领域，即使在复杂环境条件下也能实现实时和准确的检测。应用包括火龙果（Nan 等，2023）、番茄（Zeng 等，2023）、石榴（Du 等，2024）、油茶果（Jin 等，2025）和蓝莓（Song 等，2025）的检测。相比之下，关于土豆表面缺陷检测的研究仍然相对有限。所提出的 YOLO-PSD 算法通过实现对不规则土豆缺陷的高精度、轻量级检测，填补了这一空白，并在受控和真实分选场景中展示了 promising 的结果。

尽管如此，未来研究仍有几个方面需要改进。虽然使用另外三个土豆品种进行的外部验证实验证明了 YOLO-PSD 超越开发数据集的潜在跨品种泛化能力，但在多样化的生物和环境条件下进行更广泛的验证仍然是必要的。为了对剩余的检测错误提供更详细的分析，手动审查了 YOLO-PSD 在测试集中产生的假阳性和假阴性预测。包括边缘区域定位错误、泥土污渍误检和低对比度漏检在内的三大主要故障类型的综合发生频率约为测试样本的 3%。这些错误主要与不完整的边界信息、泥土污渍与真实缺陷之间的视觉相似性以及缺陷区域与正常土豆表皮之间的弱对比度有关。基于这些观察，未来研究应进一步改进以下方面：

1) 图像边缘的边界框回归：当土豆出现在图像边界附近时，边界框回归的性能往往会退化，有时无法准确拟合土豆轮廓。这可能导致假阳性和漏检。边缘区域错误主要与图像边界附近不完整的轮廓信息有关，导致模型在正向传播过程中丢失关键的物体特征，从而产生不准确的回归预测。

2) 缺陷识别挑战：当土豆表面的泥土污渍或芽眼结构类似于真正的缺陷（如腐烂）时，通常会出现识别困难，使模型难以区分它们。视觉相似的无缺陷区域仍可能产生强烈的模型响应，导致假阳性。未来的工作可以纳入更多的难负样本、自注意力机制和对比学习，以提高真实缺陷与视觉相似表面结构之间的可分离性。

此外，当前研究使用的是有限收获期收集的土豆，未完全评估不同生长区域、土壤条件、存储环境和季节变化的影响。未来研究应利用更大的多季节和多地点数据集调查模型鲁棒性，以进一步提高基于深度学习的土豆缺陷检测系统的适用性。

5. 结论
本研究提出了一种新颖的目标检测模型 YOLO-PSD，用于土豆表面缺陷检测。该模型在检测准确率、轻量级效率和实时部署方面实现了协同提升，特别是在低对比度、小目标和模糊边界场景下。首先，C3k2-ConvFormer-CGLU 模块增强了多尺度特征表示。其次，LSCD-LQE 检测头利用共享轻量级卷积主干和解耦检测分支，结合 DGQP 实施定位质量估计、候选排名可靠性和目标可分离性。第三，Wise-IoU 改善了在更严格 IoU 标准下的定位准确率，并促进了训练后期阶段的稳定收敛。最后，在自定义土豆表面缺陷数据集上，YOLO-PSD 实现了 mAP = 95.6%，Precision = 95.1%，Latency = 12.6 毫秒，FLOPs = 5.4 GFLOPs，参数量为 2.16 M，确认了其在生产线上应用的实时场景下的工程可行性。

未来的工作将从算法和工程两个角度进一步改进 YOLO-PSD，以迈向下一代智能土豆分选系统。首先，将进一步研究最近实时检测架构，如 YOLOv13、YOLO26、RF-DETR 和 RT-DETR，以在工业分选线条件下改善检测准确性和推理速度之间的平衡。这些架构可能为增强跨尺度特征交互、减少后处理依赖和提高高吞吐量分选场景中的检测稳定性提供有用的思路。特别是，可以探索无 NMS 或端到端检测范式，以简化决策过程并提高在线分选结果的一致性。其次，将考虑开放词汇和视觉语言检测框架，如 YOLOE 和 YOLOE-26，以提高分选系统对新出现、罕见或弱定义缺陷类型的适应性，从而减少对频繁闭集重新训练的依赖。第三，未来研究将通过 TensorRT 优化、模型量化以及在 Jetson 等平台上的嵌入式硬件验证，强调原生边缘部署，并对 GPU 显存使用、功耗、端到端延迟和分选吞吐量进行系统评估。最后，当前的双通道分选系统将扩展到多通道和更高速的分选场景，同时整合更大的跨品种数据集、难负样本和多模态质量信息，以进一步提高自动土豆缺陷分选的鲁棒性和实际适用性。

CRediT 作者贡献声明
Ranhui Zhu: 写作 - 初稿，方法论，调查，形式分析，概念化。
Jie Huang: 验证，调查，形式分析。
Xiangyou Wang: 写作 - 审阅与编辑，资源，项目管理，资金获取。
Ranhui Zhu|Jie Huang|Xiangyou Wang