基于超图的跨层级特征融合的农业害虫检测方法

针对害虫检测背景复杂、种类繁多、部分种类害虫个体小难以精确检测等诸多问题，本发明提供一种基于YOLO11的高精度检测算法(HFT‑YOLO)。在HFT‑YOLO算法中，用Token Statistics Self‑Attention对C2PSA进行改进设计出了C2TSSA模块，不仅减少了模型的计算量，还增强了模型的可解释性；另外，用Adaptive Fine‑Grained Channel Attention对骨干网络中的C3k2模块进行改进设计了C3k2_FCA模块，提高模型对特征权重分配准确性；最后，采用HyperC2Net网络结构和ADown模块对YOLO11颈部结构进行重设计了HCANet模块，允许在层级和位置之间进行复杂的高阶交互作用，提高了颈部特征提取能力。本发明针对复杂背景下的漏检率较高、模型参数量与计算成本制约了在移动终端的部署、部分类别样本数量极少等问题进行改进，极大提高了该模型在农业害虫检测场景下的mAP50、mAP95、Precision和Recall等检测精度指标。