Lightweight Detection of Blueberries at Different Maturity Stages in Complex Orchard Environments(YOLOv12n+SHSA2C2f+知识蒸馏)

方法

4680张田间图像数据集，P2/P3/P4结构、SHSA2C2f模块与DINOv

发现

M4模型mAP@0.5达92.68%，仅0.79M参数，Jetson Orin Nano上15.9

机会点

可探索多作物通用轻量检测框架，或结合成熟度计数用于产量预测与采摘决策。

云南农业大学大数据学院联合云南省农业大数据工程技术研究中心 2026 年 9 月 10 日在《Agriculture》发表。针对小果、密集、遮挡、色彩过渡细微等复杂田间条件下的蓝莓成熟期检测难题,构建 4680 图像 60573 标注框田间数据集,重新设计 YOLOv12n 的 P3/P4/P5 检测结构为 P2/P3/P4 架构,引入轻量化 SHSA2C2f 单头自注意力特征增强模块,DINOv3 (ViT-S/16) 引导的非对称知识蒸馏。精度导向 M4 模型 mAP@0.5 达 92.68%±0.04%、mAP@0.5:0.95 86.38%±0.10%,参数量仅 0.79 M;经 TensorRT FP16 转换后保留 92.75% mAP@0.5,可在 Jetson Orin Nano 上以 15.9 FPS 运行。