林业科学

作者：吴晨旭,张冬妍*,张榄翔,陈诺,毛思雨

单位：东北林业大学计算机与控制工程学院　哈尔滨 150040

关键词：RT-DETR,松果检测,RepViT,HiLo高低频分离机制,DRBC3

基金：中央高校基本科研业务费专项资金项目“基于近红外光谱技术的红松籽和榛子无损检测技术研究” (2572019BF02)。

目的: 针对林间环境复杂、小目标松果纹理特征不明显，导致检测精度不足和检测实时性差的问题，提出一种基于Real-time detection transformer（RT-DETR）的林间松果检测方法，并针对RT-DETR模型进行优化，提升其检测性能。方法: 首先，为了提升检测精度，将原主干网络替换为Re-parameterized vision transformer（RepViT），以增强特征提取能力。其次，引入High-low frequency feature interactions（HiLo）高低频分离机制，提高细节纹理的捕捉能力。最后，将Re-parameterized cross stage partial bottleneck with 3 convolutions（RepC3）模块优化为Decoupled replicated bottleneck cross stage partial with 3 convolutions（DRBC3），通过融合大核卷积与扩张卷积，显著扩大其感受野。与此同时，RepViT和DRBC3均采用结构重参数设计，使得推理时模型结构得以简化，从而提升检测效率。结果: 经过优化的RT-DETR模型，针对中国黑龙江省佳木斯大来林场收集的松果图像数据集的测试结果表明，模型的各项指标均达到最佳平衡，其中AP50达到93.37%，精度和召回率分别为93.30%和92.65%。在AP50提升5%的同时，GFLOPs降低了51%，参数量减少了41%，实时帧率FPS从74.3显著提升至95.5，提升幅度达到28%。结论: 这一优化方法显著提高林间松果检测的精度、实时性和效率，为实际应用中的自动化松果采集任务提供了有效的解决方案。

来源：2025年第6期

《林业科学》期刊编辑部

查看林业科学杂志2025年第6期