內(nèi)容簡(jiǎn)介：針對(duì)中藥材圖像識(shí)別中存在的復(fù)雜背景、遮擋及光照變化等問題，構(gòu)建了一個(gè)涵蓋76種中草藥、兩萬(wàn)余張圖像的大規(guī)模數(shù)據(jù)集，并通過多種數(shù)據(jù)增強(qiáng)提升模型泛化能力。在YOLO11n基礎(chǔ)上，提出改進(jìn)模型SEC-YOLO，引入C3k2_Star模塊、ECA_SR注意力機(jī)制及C2PSA_CGLU模塊，提升復(fù)雜環(huán)境下的識(shí)別性能，并優(yōu)化特征融合結(jié)構(gòu)與檢測(cè)頭設(shè)計(jì)，增強(qiáng)對(duì)小目標(biāo)與混疊藥材的檢測(cè)能力。改進(jìn)模型平均精度均值（mAP）達(dá)98.0%，權(quán)重文件3.7 MB，計(jì)算量4.7G，參數(shù)量1.80M，相較于YOLO11n，權(quán)重文件大小降低了30.1%，計(jì)算量下降了28.7%，參數(shù)量下降了31.0%。其檢測(cè)精度和檢測(cè)速度均滿足實(shí)時(shí)檢測(cè)要求。實(shí)驗(yàn)結(jié)果表明，SEC-YOLO在保證輕量化的同時(shí)實(shí)現(xiàn)高精度、實(shí)時(shí)性識(shí)別，為中藥材自動(dòng)化識(shí)別提供了有力支持。