基于改进YOLOv11n的柑橘表面缺陷检测

摘要

柑橘表面缺陷是水果检测分级的重要依据，针对传统柑橘表面缺陷检测方法效率低、误检率较高等问题，文章提出一种柑橘表面缺陷检测模型。首先，针对微小病变响应不足的问题，采用线性可变形卷积（LDConv）替换标准卷积，以保留更多的形状特征信息。其次，引入动态调整特征图采样率的上采样模块DySample，在降低计算量的同时提升对病灶区域的适应性。再次，引入上下文引导模块（CG），增强全局与局部特征的关联能力。最后，采用InnerMPDIoU损失函数，提升边界框回归精度。实验结果表明，改进模型相较于基线模型mAP@0.5提升了2.6个百分点，精确度和召回率分别提升了4.4和3.0个百分点，且在边缘设备Jetson Orin NX Super上部署，能够达到57 FPS，与现有算法相比，改进后的模型在性能方面更具优势。

关键词

柑橘缺陷检测 / 可变形卷积 / 动态上采样 / InnerMPDIoU