Technische Samenvatting: De Lichtgewicht Methode voor Detectie van de Rijpheid van Kersenbloemtomaat Gebaseerd op Verbeterde YOLOv10n

Probleemstelling

De detectie en herkenning van de rijpheid van kersenbloemtomaat vormt een kritieke uitdaging: het gelijktijdig bereiken van een balans tussen hoge precisie, snelle herkenningssnelheid en een kleine modelgrootte. Traditionele oogstmethoden zijn arbeidsintensief en inefficiënt, terwijl bestaande intelligente oogstsystemen vaak lijden onder onvoldoende detectieprecisie, hoge missingspercentages en excessieve computationele complexiteit. Grote modelgroottes en hoge verwerkingseisen belemmeren de implementatie van deze systemen op middelenbeperkte apparaten, wat hun praktische toepassing in reële landbouwomgevingen beperkt. Hoewel diverse deep learning-benaderingen (bijv. MobileNetV3-gebaseerde YOLOv7, DSP-YOLOv7-CA, Swin Transformer-optimalisaties) veelbelovend zijn gebleken, worstelen veel van deze methoden met het vinden van een optimaal evenwicht tussen snelheid, nauwkeurigheid en het aantal parameters.

Methodologie

Deze studie stelt een lichtgewicht detectiemethode voor, YOLOv10n-FBD, gebouwd op de baseline YOLOv10n-architectuur. Het model adresseert de geïdentificeerde uitdagingen via drie primaire technische verbeteringen:

1. CCFM (Channel Cross Feature Modulation) Feature Fusie:
   Om informatieverlies bij detectie van kleine objecten te beperken, veroorzaakt door beperkte pixels en herhaalde convolutie/pooling, hebben de auteurs de oorspronkelijke feature fusie-component vervangen door de CCFM-module (geadapteerd van RT-DETR). Deze module maakt gebruik van een bidirectionele feature flow-architectuur vergelijkbaar met PANet, maar incorporeert Fusion Blocks. Deze blocks maken gebruik van RepBlocks en aandachtmechanismen om multi-scale feature maps ($S3, S4, S5$) uit de backbone te fuseren. Door high-level features af te vlakken en multi-head self-attention toe te passen om kanaalgewichten te herkalibreren, verbetert CCFM de integratie van fijnmazige lokale details met globale contextuele informatie, wat de adaptiviteit aan schaalvariaties verhoogt.

2. PSA-BiFormer Aandachtmechanisme:
   Om de hoge computationele complexiteit en geheugeneisen van het oorspronkelijke Position-Sensitive Attention (PSA) mechanisme te overwinnen, integreert de studie het BiFormer aandachtmechanisme. BiFormer maakt gebruik van een Bi-level Routing Attention (BRA) strategie. Eerst wordt een region-level affinity graph geconstrueerd en gepruned om alleen de top-$k$ verbindingen voor elke node te behouden, waardoor irrelevante regio's worden gefilterd. Ten tweede wordt een token-to-token aandachtmechanisme toegepast met behulp van dense matrixvermenigvuldiging op de gefilterde key-value paren. Deze aanpak bereikt content-bewuste verscheidenheid (sparsity), waardoor het model zich kan concentreren op kritieke kenmerken (bijv. rode vruchten) terwijl achtergrondinterferentie (bijv. groene bladeren) wordt onderdrukt zonder de zware computationele kosten van globale aandacht.

3. C2f-Dual Lichtgewicht Strategie:
   Om de computationele complexiteit en modelgrootte te verminderen, werd de standaard C2f-module in de backbone gestructureerd met behulp van een DualConv ontwerp. Deze strategie splitst de convolutie-operatie in twee parallelle sublagen:

   • Een 3×3 convolutie-tak om ruimtelijke kenmerken en textuurdetails te vangen.
   • Een 1×1 convolutie-tak om kanaalinteracties en semantische informatie te integreren.
     Deze takken maken gebruik van groepconvolutie en fusiestrategieën om het aantal parameters en FLOPs aanzienlijk te verminderen, terwijl de integriteit van de gradiëntstroom behouden blijft via residual connections.

Belangrijkste Bijdragen

• Modelarchitectuur: De constructie van het YOLOv10n-FBD model, dat succesvol CCFM, BiFormer en C2f-Dual strategieën integreert om de trade-off tussen nauwkeurigheid en efficiëntie te optimaliseren.
• Feature Versterking: De introductie van CCFM om de multi-scale feature representatie te verbeteren, wat specifiek helpt bij de detectie van gedeeltelijk geblokkeerde of kleine kersenbloemtomaatjes.
• Efficiënte Aandacht: De adaptatie van het BiFormer mechanisme ter vervanging van standaard PSA, wat efficiënte globale feature verwerking bereikt door een twee-niveau routing strategie die redundante berekeningen vermindert.
• Lichtgewicht Optimalisatie: De implementatie van de C2f-Dual strategie, die de modelgrootte en het aantal parameters aanzienlijk comprimeert zonder de detectieprestaties in gevaar te brengen.

Experimentele Resultaten

Het model werd getraind en geëvalueerd op een dataset van 4.046 afbeeldingen van kersenbloemtomaat verzameld uit de Shanxi Agricultural Valley, gecategoriseerd in drie rijpheidsstadia: Rijk (R), Onrijp (G) en Half-rijp (RG).

• Prestatie-metrieken: Het YOLOv10n-FBD model behaalde een mAP@.5:.95 van 94,3%, wat een verbetering van 2,2% betekent ten opzichte van de traditionele YOLOv10n baseline.
• Efficiëntiewinsten:
  • Aantal Parameters: Verminderd met 37,5%.
  • Modelgrootte: Gecomprimeerd tot 3,5 MB, een afname van 38,6%.
  • Computationele Kosten: Verminderd tot 6,0 GFLOPs.
  • Inference Snelheid: Bereikte 369,0 FPS op een NVIDIA RTX 3090 GPU.
• Vergelijkende Analyse: Vergeleken met mainstream modellen (Faster R-CNN, SSD, YOLOv5, YOLOv7, YOLOv8 en YOLOv11), demonstreerde het voorgestelde model superieure prestaties in mAP@.5:.95, met verbeteringen variërend van 2% tot 15%. Het vertoonde ook significante reducties in parameters en modelgrootte vergeleken met alle vergeleken YOLO-varianten.
• Ablatie-studies: Experimenten bevestigden dat hoewel de combinatie van alle drie de modules (CCFM + BiFormer + C2f-Dual) resulteerde in een lichte daling van de mAP@.5 (97,9%) vergeleken met de CCFM+BiFormer combinatie (98,4%), de strengere mAP@.5:.95 metriek stabiel bleef op 94,3%. Dit suggereert dat het gecombineerde model een betere robuustheid en lokalisatienauwkeurigheid biedt onder strikte evaluatiecriteria.

Betekenis en Beperkingen

Het artikel beweert dat het YOLOv10n-FBD model succesvol een nauwkeurig en efficiënt herkenningsnetwerk heeft geconstrueerd dat precisie en efficiëntie balanceert, waardoor het geschikt is voor complexe, variabele reële applicatieomgevingen en middelenbeperkte apparaten. Het model vertoont een hoge robuustheid in dynamische video-validatiescenario's, waarbij het hoge confidence scores en detectiepercentages behoudt.

De auteurs erkennen echter bescheiden specifieke beperkingen:

• Dataset Beperkingen: De dataset sloot geblokkeerde, verre en extreem kleine vruchten uit om de consistentie van de annotatie te waarborgen. Bijgevolg weerspiegelt de dataset mogelijk niet volledig de complexiteit van dichte boomgaardomgevingen, wat potentieel kan leiden tot een onderschatting van de detectiefouten in dergelijke scenario's.
• Generalisatie: De dataverzameling was beperkt tot specifieke lichtomstandigheden, hoeken en één geografische locatie (Shanxi Agricultural Valley), wat de generalisatie van het model naar extreme verlichting of verschillende plantpatronen kan beperken.
• Module Compatibiliteit: De ablatie-studies toonden aan dat er een kleine trade-off was waarbij het lichtgewicht C2f-Dual ontwerp de precisie van het BiFormer aandachtmechanisme licht beïnvloedde wanneer alle modules werden gecombineerd, wat wijst op ruimte voor verdere optimalisatie van de module-compatibiliteit.

De studie concludeert dat hoewel de voorgestelde methode de lichtgewicht rijpheidsdetectie aanzienlijk vooruithelpt, toekomstig werk zich zal richten op het versoepelen van de annotatieregels om geblokkeerde targets op te nemen, het uitbreiden van datasets voor diverse omgevingen en het verder verfijnen van de synergie tussen de geïntroduceerde modules.