尽管目标检测技术已被广泛应用于智慧果园，但由于果实尺度问题的干扰，在真实果园环境检测小果实目标仍然面临挑战。本研究提出了一种在生育早期检测小尺度果实目标的有效探测头，即SOD探测头，可以在生育早期准确监测果实的生长情况，有助于实现果园的智慧化管理。SOD探测头首先利用顶层特征图丰富的语义信息识别特征的模糊位置，并向下一层制图，实现逐层定位和特征信息精炼。这种方法可以避免在高分辨率特征图中忽略粗糙的小果实特征、减少信息冗余对小尺度目标检测的干扰。然后，SOD探测头利用边框重新定位来预测边框位置，使小尺度果实目标的探测结果更为稳定。实验结果显示，SOD在Gold Pear数据集中疏果期前的定位精度(AP_s)为29.5%，MinneApple数据集的定位精度(AP_s)为39.6%。因此，SOD探测头对于小果实的探测精度不但优于其他算法，而且泛化能力更强、应用更广。

图1 Gold Pear数据集中的果实影像及其对应的标签信息（橘色边框）

图2 MinneApple数据集中的果实影像及其对应的标签信息（橘色边框）

图3 SOD探测头的整体框架

图4 定位网络的分层结构

图5 不同尺度果实边界框回归的对比结果

图6 边界框位置调整：由蓝色框调整到橘色框

图7 不同算法在Gold Pear数据集上的总体损失函数曲线

图8 不同算法在MinneApple数据集上的总体损失函数曲线

图9 Gold Pear数据集上的检测结果对比

图10 SOD的检测结果示例

图11 MinneApple数据集中的检测结果对比

图12 放大部分的检测结果对比