SFD-Net 果树检测模型

轻量端侧可用

基于查询向量的端到端小目标检测模型，无需多尺度特征金字塔与特征编码器，即可在非结构化果园中高效识别绿色幼果。

贾伟宽 · Ruina, Zhao · Ru, Jiang · 刘国良

IEEE Transactions on Automation Science and Engineering 2025

参数信息

平均精度（AP）

51.9 %

小目标平均精度（AP S）

25.1 %

小目标平均精度（AP S，附加训练后）

27.9 %

技术优势

小目标检测强

通过查询向量的全局感知能力直接定位小果实，在梨数据集上达到 AP S 25.1%，附加训练后提升至 27.9%。

架构更精简

省略了多尺度特征金字塔网络和特征编码器，减少冗余结构，同时保持检测性能。

边缘设备可跑

采用轻量级 MobileNetv2 作为特征提取骨干，计算效率高，适合部署在移动和嵌入式设备上。

应用场景

• 智慧农业：为果园管理提供精准的幼果检测数据，辅助决策。
• 果园疏果：检测到的幼果位置和数量可用于指导疏果作业。
• 农业机器人：为机器人采摘提供实时目标定位，适应非结构化环境。
• 嵌入式视觉：轻量模型适合在算力受限的嵌入式设备上运行。