基于YOLOv11-VCL模型的田间辣椒苗实时检测方法

摘要

为精准监测辣椒苗移栽后的存活状态，以提升移栽成功率并评估其生长状态，以YOLOv11n为基础模型构建并优化辣椒苗快速检测模型，针对田间辣椒苗检测中常见的复杂背景与光照条件干扰问题，在骨干网络的跨阶段局部v3+2×2卷积核（cross-stage partial v3 with kernel 2,C3k2）模块中引入坐标注意力（coordinate attention,CA）机制；同时加入视觉变换器（vision transformer,ViT）注意力机制模块以优化多尺度特征融合的识别效率与精准度，采用高效交并比（efficient intersection over union,EIoU）损失函数替代传统定位损失模块，结合多任务权重自适应策略和数据增强手段优化训练过程，以提高定位精度。结果表明：改进的YOLOv11-VCL模型对于不同光照、复杂背景条件下的辣椒苗均有较好的检测效果，精确率、召回率和平均精度均值分别为95.8%、90.6%和95.1%，明显优于YOLOv5n、YOLOv8n、YOLOv9n、YOLOv10n和YOLOv11n模型。YOLOv11-VCL模型的参数量为3.3 M，计算量为7.5 GFLOP，推理速度为每秒146帧，能够满足精准施药边缘计算设备的运行要求，有效助力辣椒的自动化田间管理。

关键词

辣椒苗 / 实时检测 / 注意力机制 / YOLOv11-VCL / 卷积神经网络