摘要
为了解决普洱熟茶加工过程中遇到的微小异物尺寸、严重遮挡以及复杂背景等问题，本研究借鉴了灵长类动物的视觉机制，提出了一种改进的基于YOLOv13的网络模型——AE-YOLOv13-S。为了减少细节信息的丢失、提高特征区分能力，并解决漏检和误检的问题，研究引入了自适应稀疏自注意力网络（Adaptive Sparse Self-Attention Network），该网络的设计灵感来源于灵长类动物在目标搜索、局部验证、选择性整合和最终决策过程中的顺序认知模式。为了解决长距离语义关联不足以及背景噪声中细粒度差异被掩盖的问题，研究采用了“模仿自注意力与卷积”（Emulating Self-Attention with Convolution）的方法来优化网络中的卷积模块，这一方法借鉴了灵长类动物从外围感知到中心精细分析的层次化信息处理机制。针对边界框的局限性（如目标定位不准确、几何监督噪声较多、模型收敛速度慢等问题），研究引入了基于尺度的动态损失函数（Scale-based Dynamic Loss），该函数的设计灵感同样来源于灵长类动物的视觉感知机制。实验结果表明，在训练过程中，与基线模型相比，AE-YOLOv13-S的训练损失值有所降低：Box Loss降低了6.76%，Cls Loss降低了6.52%，DFL Loss降低了8.65%。在验证数据集上，该模型的相应指标分别降低了6.58%、16.39%和8.33%。经过全面优化后，AE-YOLOv13-S在精确度（precision）、召回率（recall）和mAP@50方面分别提高了1.43%、4.85%和2.69%，同时FLOPs仅增加了0.3 G。该改进模型能够高效准确地识别普洱熟茶中的异物，不仅为茶叶加工中的异物检测提供了新的技术途径，也为茶叶加工链中的智能质量控制和食品安全保障提供了实用的技术解决方案。
