LBS-YOLO：イチゴの熟度検出のための軽量モデル
Haitao Fu1, Xueying Li1, Zheng Li1
1College of Information Technology, Jilin Agricultural University, Changchun, China.
Frontiers in plant science
|December 22, 2025
まとめ
本研究では、イチゴの摘み取りのための軽量モデルであるLBS-YOLOを紹介します。認識精度と効率を向上させ、現在のインテリジェント摘み取り技術の限界に対処します。
科学分野:
- コンピュータビジョン
- ロボティクス
- 農業技術
背景:
- 従来のイチゴの摘み取りは、高齢化が進む中で手作業に依存しており、課題に直面しています。
- 既存のインテリジェント摘み取り技術は、最適な認識精度と低い計算効率に悩まされています。
研究 の 目的:
- インテリジェント摘み取りのための軽量で効率的なイチゴ検出モデルを開発すること。
- 既存の方法と比較して、認識精度を向上させ、計算負荷を軽減すること。
主な方法:
- 改良されたYOLOv11nアーキテクチャに基づいて、軽量検出モデルLBS-YOLOを構築しました。
- 軽量LAWDSモジュールを組み込み、特徴表現を強化し、双方向特徴ピラミッドネットワーク（BiFPN）を使用して効果的な特徴融合を行いました。
- 従来のC3K2の代わりにC3k2_Starモジュールを使用して、優れた特徴表現を実現しました。
主要な成果:
- LBS-YOLOは、mAP@0.5で88.6%、mAP@0.5:0.95で75.8%を達成し、それぞれYOLOv11nを2.2%、1.3%上回りました。
- 再現率を86.4%、F1スコアを82.9%に改善し、推論速度は260.7 FPSでした。
- YOLOv11nと比較して、ストレージスペースを34.6%、パラメータ数を38%削減しました。
結論:
- LBS-YOLOは、検出精度と運用効率を向上させながら、パラメータを大幅に削減します。
- このモデルは、偽検出と見逃し検出を効果的に軽減し、自動イチゴ収穫と監視に堅牢なサポートを提供します。
