近日，机械与汽车工程学院张振副教授研究团队在期刊《Applied Soft Computing》（中科院2区TOP，影响因子7.8）发表题为“Bee-YOLO: Enhancing small and dense object detection via Bee-eye inspired mechanisms”的最新研究论文。安徽工程大学为第一署名单位。
针对小目标特征丢失与密集目标特征重叠混淆的检测难题，团队提出受蜜蜂复眼启发的轻量化算法Bee-YOLO。该算法在YOLO11基础上引入双分支特征增强模块BDEM，分别模拟蜜蜂复眼远视与近视小眼的功能分化，通过自适应门控动态融合多尺度空间感知与细粒度纹理特征；同时重构检测头，移除冗余分支并新增浅层高分辨率专用头，充分保留小目标细节。实验表明，Bee-YOLO在VisDrone和COCO上mAP@50分别提升3.7%和2.5%，参数量仅增0.084M，推理速度保持69 FPS。
本研究核心创新体现在仿生设计与结构精简的协同优化，BDEM严格映射蜜蜂复眼功能分化，利用串级空洞卷积与多核卷积分别强化密集目标的空间区分和小目标的边缘响应，并依据场景动态调节融合权重；检测头采用“增加+移除”策略，以浅层高分辨率特征弥补细节丢失的同时降低计算冗余。整体方案在参数量几乎不变的前提下显著提升精度，为边缘部署提供了高性能且轻量的解决方案。
图1 蜜蜂复眼的生物结构与Bee-YOLO核心模块之间的对应关系
图2 YOLO11与Bee-YOLO在VisDrone数据集上对小目标和密集检测效果的对比图
论文原文链接：https://www.sciencedirect.com/science/article/pii/S1568494626012688