摘要
本发明公开了一种面向空间站货舱的果蔬检测方法，该方法基于改进的LEBR‑YOLO模型实现，整体流程包括图像预处理、特征提取与增强、目标检测优化及迁移学习训练四个核心环节。首先对采集的货舱果蔬图像进行尺寸调整和格式标准化，通过EIEstem模块的双分支结构提取边缘轮廓与空间分布特征并融合为多尺度初始特征图；随后利用Backbone深化特征提取，结合双层路由注意力机制(BRA_nchw)加权融合全局与局部信息，聚焦遮挡、小目标等关键区域；通过Neck结构完成多尺度特征融合后，传入轻量级共享可变形检测模块(LSDDetect)，经通道标准化、可变形卷积动态特征提取及Group Normalization优化后，分分支预测类别概率与边界框参数，通过分布式焦点损失(DFL)和Scale层优化边界框精度与尺寸；最后采用“通用数据集预训练+货舱数据集微调”的迁移学习策略优化模型参数。
