紅花是具有重要經(jīng)濟和藥用價值的特產(chǎn)作物，特別是其花絲，廣泛應用于提取天然色素和藥用成分。隨著自動化農(nóng)業(yè)技術(shù)的發(fā)展，紅花絲的自動檢測已成為農(nóng)業(yè)智能裝備研究中的關(guān)鍵問題之一。然而，紅花絲的檢測面臨著諸如尺寸小、數(shù)量多、密集分布及背景復雜等挑戰(zhàn)，尤其是在自然環(huán)境中，天氣、拍攝距離等因素進一步加劇了檢測的難度。因此，提高非結(jié)構(gòu)化環(huán)境下紅花絲的檢測精度有利于農(nóng)業(yè)機器人自動采摘的發(fā)展。

新疆農(nóng)業(yè)大學機電工程學院張振國副教授團隊在權(quán)威雜志《Agriculture》在線發(fā)表一篇題為"WED-YOLO: A Detection Model for Safflower Under Complex Unstructured Environment"的研究論文。該研究提出一種改進的YOLOv8模型WED-YOLO，旨在提高紅花絲在復雜環(huán)境中的檢測精度。該模型為應對小目標紅花檢測中常見的困難，引入了如下幾個重要的技術(shù)改進：首先，使用Wise Intersection over Union (WIoU) 損失函數(shù)替代傳統(tǒng)的IoU損失函數(shù)，WIoU能更好地處理不同尺寸目標的邊界框擬合問題，尤其對于像紅花絲這樣的小目標，能夠有效提高定位精度。其次，在模型的頸部網(wǎng)絡(luò)中使用DySample模塊替代傳統(tǒng)的上采樣方式。該模塊通過動態(tài)點采樣技術(shù)改善圖像上采樣的精度，特別是在低分辨率或遠距離視角下，能夠有效減少特征丟失，提高小目標的檢測能力。此外，C2f-EMA模塊引入高效多尺度注意力機制，增強主干網(wǎng)絡(luò)的特征提取能力，進一步提升模型在復雜背景下的表現(xiàn)。最后，WED-YOLO在檢測頭部加入了專門針對小目標的預測層，以解決傳統(tǒng)模型難以捕捉紅花絲等小目標細節(jié)的問題。

WED-YOLO的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。該網(wǎng)絡(luò)引入C2f-EMA模塊，通過多尺度注意力機制和跨空間學習提高對復雜背景中紅花絲特征的提取能力。為更好地擬合小目標邊界框，網(wǎng)絡(luò)采用了WIoU作為損失函數(shù)，該函數(shù)通過動態(tài)加權(quán)方式增強了小目標的定位精度。使用DySample模塊替代傳統(tǒng)的上采樣方法，優(yōu)化低分辨率或遠距離圖像中小目標的細節(jié)恢復。最后，網(wǎng)絡(luò)在檢測頭部加入了專門的小目標檢測層，進一步提升紅花絲等小目標的檢測精度。

圖1  WED-YOLO網(wǎng)絡(luò)結(jié)構(gòu)圖

為驗證WED-YOLO模型在檢測紅花絲的有效性和性能，進行了五組消融實驗進行驗證，消融實驗結(jié)果如表1所示。與原始YOLOv8模型相比，WED-YOLO模型的mAP提高了4.5%。這表明引入C2f-EMA模塊、WIoU損失函數(shù)、DySample模塊以及專門的小目標檢測層提升了網(wǎng)絡(luò)的檢測性能。實驗結(jié)果充分證明了這些改進在提高紅花絲檢測精度方面的有效性。

表1  消融試驗的性能比較

            注："√"表示添加的結(jié)構(gòu)；"-"表示未添加的結(jié)構(gòu)。

為評估WED-YOLO檢測紅花絲的效果。在相同條件下，使用紅花絲訓練集訓練Faster R-CNN、YOLOv5、YOLOv7、YOLOv8、YOLOv10、WED-YOLO檢測模型。紅花絲測試集用于評估上述6個檢測模型的檢測效果。表2列出了這6個檢測模型的性能比較。結(jié)果表明，WED-YOLO模型的召回率、AP和mAP顯著高于其他模型。WED-YOLO模型在小尺寸紅花絲檢測中的表現(xiàn)優(yōu)于其他模型，具有出色的綜合檢測性能。

表2  6種目標檢測模型的性能

為驗證WED-YOLO模型在非結(jié)構(gòu)化環(huán)境中的適應性和有效性，我們根據(jù)不同的天氣、拍攝距離對自然場景進行了分類，并在相同的實驗條件下對不同場景中的紅花圖像進行了檢測。圖2展示出不同場景下的6個模型的檢測效果，以此評估WED-YOLO模型的各項性能。

圖2  不同自然場景下紅花圖像的識別結(jié)果

試驗結(jié)果表明，WED-YOLO模型通過引入多項技術(shù)改進，包括C2f-EMA模塊、WIoU損失函數(shù)、DySample模塊和小目標檢測層，顯著提高了紅花絲在復雜環(huán)境中的檢測精度。在不同天氣和拍攝距離下，WED-YOLO模型表現(xiàn)出較強的魯棒性和較高的檢測性能，為紅花絲的自動檢測與智能農(nóng)業(yè)應用提供了可靠的技術(shù)參考。

新疆農(nóng)業(yè)大學機電工程學院張振國副教授為論文的第一及通訊作者，2023級碩士研究生王蘊澤等為主要完成者。該研究得到了中央引導地方科技發(fā)展資金（ZYYD2025ZY11）、國家自然科學基金（32460449和52265041）等項目的資助。同時，感謝新疆云光紅花種植農(nóng)民專業(yè)合作社譚云光理事長、新疆智能農(nóng)業(yè)裝備重點實驗室以及合作共建的新疆察縣紅花科技小院在進行田間實驗過程中提供的幫助。