来源：期刊VIP网 时间：
作者：王新宇1;张沛轩1;刘学1;吴仙星2;李首政3;叶文青2;董一巍1
单位：1.厦门大学航空航天学院;2.南平智创技术服务有限公司;3.广州阿普顿自动化系统有限公司
摘要：针对竹材加工自动化过程中竹节检测精度鲁棒性差、坐标定位困难的问题，提出一种融合迁移学习与光照自适应机制的YOLOv11轻量化检测模型。该方法通过迁移木材缺陷检测数据集上的预训练模型至竹节检测任务领域，结合自适应参数优化策略，在保证检测实时性的同时提升检测精度。实验结果显示，所提出方法在Roboflow公开竹节数据集上的mAP@0.5达99.3%，较基线YOLOv11n模型提升0.3个百分点，验证跨领域迁移学习策略的有效性。同时，引入光照自适应检测阈值机制显著增强模型在不同光照条件下的鲁棒性。研究成果可为竹材智能分选及自动化加工提供技术支持，具备良好的工程应用前景。
关键词：迁移学习;YOLOv11;竹节检测;光照自适应阈值;轻量化检测
基金资助：国家自然科学基金(52475491,51705440); 南平市科技计划项目(N2023Y008); 福建省自然科学基金(2019J01044); 航空科学基金(20170368001,20230003068002,20240003068001); 华中科技大学智能制造装备与技术全国重点实验室开放基金(IMETKF2024013); 中科院-福建省STS项目(2022T3071); 四川省科技计划项目(2025YFHZ0039); 国家科技重大专项(J2019-Ⅱ-0022-0043,J2019
