PDF 【目的】构建一套基于视频流的自动估产模型，系统评估光照条件与拍摄角度对模型识别准确率的影响。【方法】以果实膨大期柑橘树为对象，使用环绕旋转方式采集视频数据。利用改进的YOLOv8n-SC检测模型，增加小目标检测头、引入CBAM注意力机制及优化损失函数，提升对小尺寸和低对比度果实的识别能力；结合DeepSORT算法实现果实的持续跟踪与计数，并对比不同光照（自然光/人工光源）和拍摄角度（俯拍/平摄）条件下的模型性能。【结果】改进的YOLOv8n-SC模型在检测任务中召回率与mAP50分别达到97.6%和93.7%；在人工光源结合平摄条件下模型表现最优，多目标跟踪准确度与跟踪精度分别为90.8%和94.0%，平均计数精度（ACP）达89.46%，可有效实现单株柑橘果实的自动化统计。【结论】本研究提出的基于环绕式采集视频流数据的估产系统能够适应复杂果园环境，实现高精度柑橘计数。人工光源与平摄相结合为最优数据采集策略，为柑橘产量自动化预测提供了可靠的技术支撑。