近日，中国热科院南亚所旱作农业工程/菠萝智能采收团队提出一种名为YOLO-Pineapple的新型目标检测框架，能够在无人机拍摄的高分辨率图像中精准识别菠萝果实，有效解决了复杂田间环境下小目标检测难的问题。

菠萝植株低矮且生长环境复杂，利用无人机进行大面积监测时，常因果实密集、叶片遮挡导致识别不准、计数困难，制约了智能化估产与管理。为此，研究团队对基础YOLOv8模型进行了针对性优化，通过引入动态交互任务对齐头、分组多尺度特征提取及空间通道协同注意力等创新机制，显著提升了模型对菠萝果实的辨识能力。实验证明，该模型平均精度值达94.4%，能够像一双“锐眼”在杂乱背景中准确定位菠萝。该研究为菠萝种植的无人机遥感估产和田间精细化管理提供了高效的智能化解决方案。

图  不同条件下基础YOLOv8模型与改进后YOLO-Pineapple模型之间的性能对比图

相关研究成果以“YOLO-pineapple: enhanced pineapple detection in UAV images using an optimized YOLOv8 model”为题发表于《Expert Systems with Applications》。南亚所薛忠研究员和天津农学院刘烨虹博士为共同第一作者，南亚所李海亮副研究员、王昱翔博士为共同通讯作者。该研究得到了中国热带农业科学院国家热带农业科学中心科技创新团队、海南省重点研发专项、天津农学院青年科技人才发展基金等项目资助。

论文链接：https://doi.org/10.1016/j.eswa.2026.132486