近日，农业机械研究所联合广西壮族自治区计量检测研究院、国家蔗糖产业计量测试中心（筹）在甘蔗杂质分割检测方面取得重要进展。机械收获甘蔗中杂质的含量，对评估收获质量和售卖价格至关重要。而在智能化甘蔗含杂率检测中，准确的杂质分割是含杂率计算的基础。为此，本研究提出了一种基于改进YOLOv11n-seg的甘蔗杂质检测方法，并将其搭载于团队前期研发的三级渐进式几何约束与差速牵引协同的分级装置中。

       该研究在YOLOv11n-seg模型结构基础上引入了四种模块进行改进，首先在主干与颈部高通道特征提取部分中引入轻量化C2_Ghost模块，以此降低模型计算冗余与特征冗余，然后设计基于频域关系建模的C2_FSAS模块强化长程语义依赖表达能力，并且在深层高语义特征后添加ECA通道注意力机制，增强显著特征通道权重分配。最后将传统固定插值上采样替换为DySample动态上采样结构用于恢复精细边缘特征。结果显示，Improved YOLOv11n-seg在P、R、mAP0.5及mAP0.5:0.95指标上分别取得了97.0%、98.1%、99.2%、82.9%的良好分割精度，模型较原YOLOv11n-seg，mAP0.5:0.95提升了1.8%，参数量降低10.2%，并且基于TensorRT模型在Jetson Xavier NX测试下保持了34.8FPS的实时推理速度。结果表明，Improved YOLOv11n-seg具有良好的准确性与实时性，能够准确分割蔗段与各类杂质，可为机收甘蔗含杂率的智能化检测及边缘部署提供可靠技术支撑。

Improved YOLOv11n-seg网络结构图

不同模型检测结果对比

      相关研究成果以“Improved YOLOv11n-seg for impurity detection in mechanically harvested sugarcane”为题发表于《Frontiers in Plant Science》。中国热科院农业机械研究所助理研究员何冯光和周思理为论文共同第一作者，中国热科院农业机械研究所研究实习员陈品岚和广西壮族自治区计量检测研究院冯少波副研究员为论文通讯作者。此研究得到海南省自然科学基金项目、广西壮族自治区市场监管局科技项目等资助。

       原文链接：https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2026.1745861/full