基于位置特异性轻量级检测器LGB-YOLOv11n的香菇外观预分级边缘端部署研究

《Eng》:LGB-YOLOv11n: A Position-Specific Lightweight Detector for Shiitake Appearance Pre-Grading on Edge Devices

【字体: 大 中 小 】 时间:2026年09月18日 来源:Eng 3.5

编辑推荐:

  摘要专业翻译 在森林林下生产环境中,自动化香菇预分级面临光照不均、背景杂乱、遮挡、细粒度外观差异以及边缘计算资源有限等多重挑战。本研究提出LGB-YOLOv11n,一种根据各特征层级处理角色分配模块的轻量级检测器。大核可分离注意力(Large-kernel S

  
摘要专业翻译 在森林林下生产环境中,自动化香菇预分级面临光照不均、背景杂乱、遮挡、细粒度外观差异以及边缘计算资源有限等多重挑战。本研究提出LGB-YOLOv11n,一种根据各特征层级处理角色分配模块的轻量级检测器。大核可分离注意力(Large-kernel Separable Attention, LSA)被部署于骨干网络P4/16层级及P3/8检测分支,以增强轮廓、纹理、边缘及局部形变表征。Ghost模块压缩P4/16与P5/32检测分支,而受BiFPN启发的加权融合(BiFPN-inspired Weighted Fusion, BiFPN_WF)取代颈部四个融合节点。在独立测试集上,该模型取得了97.51%的mAP@0.5和86.62%的mAP@0.5:0.95,较YOLOv11n基线分别提升1.21和5.62个百分点。模型参数量为2.39 M,较基线减少7.72%。在全部三个留一采集日期折(leave-one-acquisition-date-out folds)中性能增益均得以保持,三次随机种子运行取得86.49% ± 0.09%的mAP@0.5:0.95。在222张外部图像上的跨域单类别评估中,取得了89.52%的AP@0.5和63.71%的AP@0.5:0.95,而YOLOv11n分别为86.73%和59.84%。在搭载TensorRT FP16的NVIDIA Jetson Orin NX平台上,LGB-YOLOv11n实现了134.3 ± 6.73 FPS的推理速度,平均推理流水线延迟为7.47 ± 0.39 ms。上述结果表明该模型在精度与复杂度之间取得了有利的权衡,并支持基于边缘端香菇外观预分级的实时模型推理。

论文解读

一、研究背景与问题

香菇(Lentinula edodes)是重要的商业食用菌。在生产过程中,初步外观分拣需考虑菌盖饱满度、展开状态、裂纹密度、颜色一致性及整体形态等可见特征。该操作通常依赖人工完成,其一致性受操作人员经验、光照条件、目标密度及批次差异等因素影响。在森林林下生产环境中,自动化预分级系统面临多重挑战:光照不均匀、背景杂乱、目标遮挡、细粒度外观差异以及边缘计算资源有限。此外,现有蘑菇检测研究虽在轻量化方面取得进展,但大多未联合考察采集批次鲁棒性、跨域行为及物理边缘设备部署性能。另一个悬而未决的问题是轻量级或上下文增强模块应部署于何处——均匀地在每个特征层级替换模块,忽略了浅层、中间层和深层特征具有不同处理需求这一事实。基于上述研究空白,研究人员选择YOLOv11n作为基线,因其紧凑的单阶段架构适合边缘部署,同时保留P3/8、P4/16和P5/32多尺度检测特征。

二、研究内容与结论

研究人员提出了LGB-YOLOv11n,其核心思想是根据特征层级的处理角色进行位置特异性模块配置。LSA被部署于骨干网络P4/16层级和P3/8检测分支以增强上下文表征;Ghost模块仅用于P4/16和P5/32检测分支以压缩高层高通道特征;BiFPN_WF取代颈部四个融合节点以实现可学习的跨尺度加权融合。通过全因子消融、位置特异性消融和范围特异性消融验证了该配置的合理性。在独立测试集上,模型取得97.51%的mAP@0.5和86.62%的mAP@0.5:0.95,参数量降至2.39 M。留一采集日期验证中,模型在全部三个折中均保持增益。跨域单类别评估显示模型在外部数据集上优于基线。在Jetson Orin NX上实现了134.3 FPS的实时推理。该研究的意义在于证明了模块放置应作为任务相关的设计变量,而非假设有用模块应均匀插入整个特征层级,为边缘端细粒度农业检测提供了精度与复杂度兼顾的可行方案。

三、关键技术方法

研究人员构建了包含616张保留图像的自建数据集,图像采集于内蒙古赤峰市克什腾旗桦木沟林下香菇栽培基地,使用一加11手机后置主摄从俯视和斜俯视角度拍摄,按8:1:1划分为训练、验证和测试集,训练集经数据增强扩增至1479张。外部评估集取自Roboflow Universe上的Liangs公开蘑菇数据集(项目ID:liangs/mushroom-ggpwg,CC BY 4.0许可),使用222张图像进行跨域单类别评估。主要技术方法包括:其一,C3k2_LSA模块,在C3k2结构中嵌入大核可分离注意力分支,通过1×1逐点卷积、7×7深度卷积和1×1逐点卷积生成注意力图,结合残差连接实现特征重标定;其二,C3k2_Ghost模块,利用Ghost瓶颈通过少量本征特征图和低成本线性变换生成输出通道,扩展比r=2;其三,BiFPN_WF加权融合,采用非负可学习权重对对齐后的多尺度输入进行归一化加权求和,取代颈部四个Concat融合节点。实验采用COCO预训练权重初始化,输入尺寸640×640,训练300轮,禁用Mosaic和MixUp增强以保留细粒度纹理信息。

四、研究结果

全因子消融实验。 采用三因素两水平全因子设计共八种配置。LSA单独使用使mAP@0.5和mAP@0.5:0.95从96.03%和80.44%提升至97.16%和84.79%;Ghost单独使用使参数量、FLOPs和权重文件大小分别减少7.72%、3.13%和7.69%,但mAP@0.5:0.95下降0.70个百分点;BiFPN_WF单独使用使mAP@0.5和mAP@0.5:0.95分别提升1.16和2.88个百分点。完整模型取得最高mAP@0.5值97.54%,mAP@0.5:0.95为86.40%,同时将参数量、FLOPs和权重文件大小降至2.39 M、6.20 G和4.80 MB。
模块部署位置与结构范围消融。 在Ghost+BiFPN_WF框架下,LSA在P4/16和P3联合部署取得最高值86.40%,扩展至全部检测分支反而降至86.12%。在LSA+BiFPN_WF框架下,Ghost置于P3分支使mAP@0.5:0.95降至84.61%,P4+P5联合替换使参数量从2.59 M降至2.39 M并取得86.40%的mAP@0.5:0.95。BiFPN_WF四节点配置使mAP@0.5:0.95从82.54%提升至86.40%,重复堆叠BiFPN虽提升至87.10%但参数量和FLOPs分别增至2.52 M和7.60 G,故采用四节点配置。
主流检测器对比。 在独立测试集上,LGB-YOLOv11n取得Precision 97.45%、Recall 93.85%、mAP@0.5 97.51%和mAP@0.5:0.95 86.62%,分别超过YOLOv11n基线3.00、1.16、1.21和5.62个百分点,且参数量、FLOPs和权重文件大小均低于基线。与SE和CBAM增强的YOLOv11n变体相比,位置特异性配置在精度上优势明显。
跨采集日期验证。 留一采集日期实验中,LGB-YOLOv11n平均mAP@0.5:0.95为84.1% ± 0.4%,YOLOv11n为77.3% ± 0.5%,三个折的增益分别为6.9、6.9和6.7个百分点。
跨域推理分析。 在222张外部图像上,单类别重映射后LGB-YOLOv11n取得Precision 87.16%、Recall 83.47%、AP@0.5 89.52%和AP@0.5:0.95 63.71%,较YOLOv11n分别提升2.84、3.32、2.79和3.87个百分点。
随机种子稳定性。 三种随机种子下,LGB-YOLOv11n平均mAP@0.5:0.95为86.49% ± 0.09%,YOLOv11n为80.20% ± 0.21%,模型在全部三次运行中均超过基线且标准差更小。
训练收敛、正则化与训练集规模敏感性。 300轮参考配置取得86.40%,延长至400轮取得86.52%,更强正则化(权重衰减0.001)取得86.47%,表明参考配置已接近稳定平台。训练集规模从40%增至100%时,验证mAP@0.5:0.95从81.72%升至86.40%,增量收益递减。
类别级检测性能。 LGB-YOLOv11n在厚、薄、畸形三类上的AP@0.5均为97.50%,较基线分别提升1.00、0.70和1.90个百分点。归一化混淆矩阵显示主对角线值分别为0.96、0.96和0.93,优于基线的0.94、0.94和0.90。
边缘端部署实验。 在Jetson Orin NX TensorRT FP16后端上,LGB-YOLOv11n端到端推理流水线延迟为7.47 ± 0.39 ms,对应134.3 ± 6.73 FPS,平均功耗18.56 ± 0.77 W,能效7.24 FPS/W,TensorRT评估的mAP@0.5:0.95为86.29%,为所有对比模型中最高。
复杂场景错误分析。 错误检查识别出四类常见情况:视觉过渡样本的厚薄混淆、小目标的低置信度或漏检、严重遮挡和粘连下的漏检或重叠检测,以及栽培木段、塑料薄膜、草丛和局部阴影引起的偶发误检。

五、讨论总结与结论翻译

讨论部分指出,位置特异性消融实验证明不同特征层级对上下文增强和压缩的响应不同,模块放置应作为任务相关的设计变量。对比结果揭示,从中型模型获得的精度提升伴随着不成比例的计算成本增加;仅最小化参数量并不足够;通用注意力增强的收益有限。跨批次、跨域和训练敏感性分析从不同角度验证了模型的可靠性。当前局限包括:外观类别基于单目RGB图像推断,无法直接编码三维菌盖厚度;过渡样本可能模糊;小目标、严重遮挡和高度变异的畸形目标仍是主要错误来源。未来工作将扩展多场地、多设备、多日期、多季节和多品种的数据采集,引入独立专家评分和定量标注一致性分析,关联视觉类别与实测菌盖性状,评估侧视、深度和多视角信息,并开展集成分拣试验。
结论部分翻译:本研究开发了LGB-YOLOv11n用于厚、薄、畸形三类操作化香菇外观预分级。该方法在骨干P4/16层和P3/8检测分支结合LSA,在P4/16和P5/32检测分支使用Ghost模块,并在颈部四个融合节点采用BiFPN_WF。在独立测试集上,LGB-YOLOv11n取得97.51%的mAP@0.5和86.62%的mAP@0.5:0.95,参数量从2.59 M降至2.39 M,FLOPs从6.40 G降至6.20 G,权重文件从5.20 MB降至4.80 MB。重复随机种子实验显示变异有限,三个采集日期折均保持增益。在Jetson Orin NX上实现134.3 FPS的实时TensorRT FP16推理。外部图像集单类别跨域评估取得89.52%的AP@0.5和63.71%的AP@0.5:0.95。训练集规模学习曲线从40%时的81.72%升至100%时的86.40%,增益递减。当前性能局限包括单目RGB推断无法直接编码三维厚度、过渡样本模糊、小目标和严重遮挡导致的漏检或类别混淆,以及杂乱背景引起的误检。跨域迁移尚未完全实现。未来将扩展数据采集、引入专家标注和定量一致性分析、关联视觉类别与实测性状、评估多视角信息,并开展集成分拣试验以量化端到端吞吐量和预分级一致性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号