排灌机械工程学报

作者：杨维悦, 张杨杨, 孙秀路, 李金山

单位：1. 中国农业科学院农田灌溉研究所, 河南 新乡 453002; 2. 中国农业科学院研究生院, 北京 100081; 3. 河南省节水农业重点实验室, 河南 新乡 453002

关键词：番茄植株,深度学习,可见光图像,水分胁迫,YOLO模型,轻量化识别模型

基金：国家重点研发计划项目(2022YFD1900402);河南省科技攻关项目(252102110382)

为了构建一种轻量化番茄植株水分胁迫状态识别模型,以实现对植株水分状况的高效监测,为精准灌溉决策提供技术支撑,提出一种基于改进YOLOv11的轻量化识别模型.其核心方法包括:在原有模型基础上设计了轻量化检测头CDG,并将主干和颈部网络中的C3k2模块中的标准卷积替换为计算效率更高的部分卷积(partial convolution, PConv),从而构建出一个名为YOLOv11-C3k2_PConv-CDG的新模型.该方法旨在显著减少模型参数量与计算复杂度.试验结果表明,该模型在番茄水分胁迫监测任务中表现良好.与基准模型相比,其在保持识别精度的同时,浮点运算量(giga floating-point operations,GFLOPs)降低了0.8 G,模型大小减小了0.8 MB,训练时间缩短了约2 h.提出的YOLOv11-C3k2_PConv-CDG模型在确保高准确性的同时显著提升了效率,为番茄水分胁迫的实时、高效监测提供了一种有效的技术新途径.

来源：2026年第3期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2026年第3期