arXiv cs.AI· Alican G\"une\c{s}, Robert Selim Hill, G\"okhan Hasano\u{g}lu, Murat Kurt·· 10 小时前AI 评分18
CAppleNet：基于坐标注意力的 YOLO11 实现苹果果梗腔与萼片实时检测
CAppleNet: A Coordinate Attention-Based YOLO11 for Real-Time Apple Stem Cavity and Calyx Detection
AI 导读
CAppleNet 用 YOLO11s 在自建 1506 张苹果图像数据集上检测果体、果梗腔与萼片三类目标，未调参基线 F1 为 0.9047。将骨干 C2PSA 块替换为 Coordinate Attention 后，参数量减少 10.2%，取得最佳 mAP@0.5 0.935 与果梗腔 F1 0.8217，整体 F1 为 0.9038。
正文 · AI 翻译
摘要：自动化水果分级、分选和定向系统需要实时、准确地检测水果层面的形态学关键点，而不仅仅是水果边界。本文提出了一个自定义的、完全自行采集和自行标注的苹果图像数据集，包含 1506 张苹果图像（1054 张训练、301 张验证、151 张测试），在受控的固定相机条件下拍摄，并针对三个目标类别进行标注：果体、果梗洼和萼片。采用默认超参数训练的 YOLO11s 检测器作为基线，并针对输入分辨率、数据增强策略、优化器配置和轻量级架构增强进行系统的单因素逐一消融研究，以确定在品种间颜色和纹理高度可变的情况下，最能改善这些细粒度关键点检测的因素。无论是提高输入分辨率、六种测试的增强变体中的任何一种，还是手动调整优化器，都未能超越未调优的基线（F1 = 0.9047）；只有将骨干网络的 C2PSA 模块同槽位替换为坐标注意力（CA）的架构替换方案，在整体 F1（0.9038）上与基线持平，同时将参数量减少 10.2%，并取得了本研究最佳的 mAP@0.5（0.935）和最佳的果梗洼 F1（0.8217）。置信度阈值扫描确定 0.15 为该模型的部署工作点，而将 CA 替换架构与表现最佳的增强变体相结合的验证性实验表明，这两种效果并非可加性叠加，而是逆转了架构增益，而非产生复合效果。由此得出的设计建议——单独采用 CA 替换架构，置信度阈值为 0.15——面向实时苹果关键点检测，用于方向感知的工业分选和对齐系统。
| 评论： | 19 页，6 幅图，15 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| MSC 分类： | 68-XX |
| ACM 分类： | I.2；I.4 |
| 引用为： | arXiv:2611.13920 [cs.CV] |
| （或 arXiv:2611.13920v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13920 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Murat Kurt [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 11:08:44 UTC（2,605 KB）
来源：arXiv cs.AI · arxiv.org