近日，中国热科院南亚所旱作农业工程团队在复杂田间环境下菠萝果实实时轻量化检测方面取得新进展。

针对当前菠萝智能机械采摘水平较低、田间环境复杂，以及存在的菠萝果实与背景颜色相似、植株与叶片间严重遮挡重叠等问题，该研究提出了一种改进的 YOLOv8 目标检测算法——ECSL-YOLOv8 (EIEStem-CA-v7DS-LSCD-YOLOv8n) ，用于复杂田间环境下的菠萝果实实时检测。首先，提出EIEStem结构改进骨干网络的卷积层，增强提取目标边缘特征和空间信息的能力；其次，采用v7DS模块改进下采样算子，减少特征提取过程中的信息损失，并引入CA (Coordinate Attention) 注意力机制进一步加强对菠萝特征的提取。另外，提出轻量化共享卷积检测头LSCD (Lightweight Shared Convolutional Detection Head)，显著降低模型参数量。最后，通过自建菠萝数据集进行大量实验，结果表明，与当前主流目标检测模型相比，ECSL-YOLOv8 在复杂自然环境下对菠萝果实的检测效果更优，实现了检测精度与实时性的良好平衡。其中，Recall达到了90.4%，mAP@0.5 为94.5%，模型大小减小到4.5MB，参数量和浮点运算量较原模型分别降低了 8.87×105和1.6 G。

图1.改进模型 ESLC-YOLOv8 的结构

图2.网络检测性能比较

相关研究成果以“ESLC-YOLOv8: Advancing Real-Time Pineapple Recognition with Lightweight Deep Learning”为题发表于期刊《Smart Agricultural Technology》。论文第一作者为山西农业大学联培研究生申伟华，通讯作者为农业农村部热带果树生物学重点实验室薛忠副研究员。该研究得到海南省重点研发、“十四五”广东省农业科技创新十大主攻方向“揭榜挂帅”以及中国热带农业科学院“揭榜挂帅”等项目资助。

论文链接：https://doi.org/10.1016/j.atech.2025.101139