DALF-YOLO: Cherry Tomato Ripeness Detection in Complex Environments via Frequency-Domain Dynamic Attention and Local–Global Multiscale Fusion

方法

基于YOLO26n改进，融合频域动态注意力与局部-全局多尺度特征。

发现

平均精度94.3%，较基线提升4.5个百分点，边缘部署达20-27 FPS。

机会点

可探索频域注意力在遮挡重叠果实上的泛化性，并迁移至采摘机器人闭环控制。

劳动力成本上升加速了采摘机器人的应用，而准确的果实识别与成熟度检测对采摘机器人至关重要。然而，在非结构化田间环境中，由于光照复杂、叶片遮挡、果实重叠、背景相似及颜色变化等因素，樱桃番茄成熟度检测仍面临挑战。为解决这些问题，本文提出DALF-YOLO，一种基于改进YOLO26n的方法，融合频域动态注意力与局部—全局多尺度融合，用于樱桃番茄识别与成熟度检测。具体而言，设计了AMFF模块，通过跨尺度跳跃连接、双向加权融合和SimAM注意力增强高层语义特征与低层细节之间的交互，从而提升多尺度检测性能。在主干网络中嵌入轻量级LGAM模块，采用Ghost卷积和解耦全连接注意力，在降低计算成本的同时增强全局特征表示和对复杂背景的鲁棒性。此外，开发了FSDSA模块，在频域中分离纹理与轮廓信息，并在空域中进行动态采样与拟合，提升对不规则果实边缘和重叠番茄的检测能力。这些设计在保持轻量级架构的同时增强了特征提取能力。实验结果表明，DALF-YOLO的平均准确率达到94.3%，较基线提升4.5个百分点，平均推理时间为7.58 ms。基于FP16的边缘部署进一步实现20–27 FPS，证明了面向选择性机器人采摘的樱桃番茄成熟度实时检测的可行性。