近日，茶叶所在npj Science of Food（中科院一区TOP，IF=9.7）上发表了题为“RTD-YOLO: a precise quality detection and grading model for rose tea”的研究论文，提出了一种基于YOLOv12n的玫瑰花茶检测分级模型RTD-YOLO，为智能分拣机器人作业提供了技术支撑。
由于品种、采摘和加工等环节的影响，玫瑰花茶成品常存在大小不一、色泽不匀等品质等级不统一的问题，目前主要依赖人工分级分拣，耗时费力、效率低下，提升产品标准和市场竞争力，迫切需要智能分拣机器人实现高效作业。同时，实际生产中还存在大模型不易部署、难以满足分拣机器人实时性要求等难题。针对上述问题，研究团队基于YOLOv12n构建了RTD-YOLO模型。该模型首先在A2C2f模块中融合SEFF模块，替代Neck中的A2C2f模块；随后使用ADown替代Conv；进而构建参数共享检测头；最后利用Lamp方法对模型进行剪枝。
改进后模型的FLOPs、Params、F1、mAP、FPS、Model size分别为2.6 G、0.83 M、90.48%、95.85%、298.5、2.0 MB。相比原模型，F1、mAP、FPS分别提高2.93%、1.55%和20.5，FLOPs、Params、Model size分别降低3.2 G、1.68 M、3.2 MB。模型在降低复杂度的同时提升了检测性能，并支持在Jetson Orin NX边缘设备上实时部署，帧率达55.3 FPS，可满足玫瑰花茶智能分拣机器人对轻量化、实时性和准确性的需求，为玫瑰花茶智能化分拣提供了技术支持。
茶叶所董春旺研究员为论文第一通讯作者，联培研究生丁泽中为论文第一作者，该研究得到山东省重点研发乡村提振项目（2025TZXD011），山东省农业科学院创新工程（CXGC2026A06）和山东省现代农业产业技术体系（SDAIT19）的资助。（撰写：陈之威 核稿：董春旺）
文章链接：https://doi.org/10.1038/s41538-026-00884-7。
