传统的物体检测方法在农业环境中，尤其是在苹果检测应用中，常因复杂背景、苹果间的遮挡以及苹果本身大小
变化大等问题而面临识别精度不足和误检率高的困难。为了解决这些困难，本文引入了一种基于感受野的动态注意力机制，
RFAConv（Receptive-Field Attention Convolution），并将其应用于 YOLOv8s 模型，用于提高农业环境中的苹果检测精度。
通过在自制的苹果数据集上测试，集成了 RFAConv 的 YOLOv8 模型在多个性能指标上显著优于基线模型，展示了其在农
业中苹果检测的应用潜力。
