Wheat-YOLOv11 A Lightweight Detection Algorithm for Wheat Heads under Growth Light Interference
ID：93
Submission ID：98 View Protection：ATTENDEE
Updated Time：2025-10-11 22:51:31 Hits：221
Poster Presentation
Start Time：2025-11-09 09:07 （Asia/Shanghai）
Duration：1min
Session：[P] Poster presentation » [P5] 5.Wireless power transfer technology
No files
Abstract
针对生长光干扰导致的小麦穗头识别率降低的问题，我们提出了一种名为Wheat-YOLOv11的轻量级目标检测算法。该模型将CSP结构与DCNv4可变形卷积集成以加强几何建模，引入SSFF（多尺度顺序特征融合）模块以增强小目标特征提取，并采用具有双分支解耦结构的LiteShiftHead轻量级检测头，在减少计算的同时提高
特征表示。实验结果表明，与基线模型相比，Wheat-YOLOv11 实现了 81.2% 的精度和 85.9% 的 mAP，同时减少了 18.8% 的参数数量。消融和比较实验验证了各模块的有效性，结果表明所提算法结合了强大的检测性能和高计算效率，适合在资源有限的环境中部署。
特征表示。实验结果表明，与基线模型相比，Wheat-YOLOv11 实现了 81.2% 的精度和 85.9% 的 mAP，同时减少了 18.8% 的参数数量。消融和比较实验验证了各模块的有效性，结果表明所提算法结合了强大的检测性能和高计算效率，适合在资源有限的环境中部署。
Keywords
small object detection; YOLOv11; wheat; multi-scale feature fusion; lightweight detection head
Speaker
Comment submit