本作品针对林间松果在复杂自然环境下存在的遮挡、光照变化剧烈以及小目标检测难等问题，提出了一套基于YOLO系列网络融合Transformer机制的高效松果检测方案。该系统采用EfficientViT作为特征提取网络，充分利用其高效性与全局感知能力，并设计了创新的多尺度特征融合网络与自适应加权损失函数，显著提升了检测的准确性与鲁棒性。为实现边缘设备上的高效部署，进一步结合了知识蒸馏方法对模型进行压缩优化，确保在Jetson Nano等低功耗嵌入式平台上也能实时运行。项目完整开源代码包中包含了多项论文中的核心创新点，包括轻量级EfficientViT特征提取网络、创新的多尺度特征融合模块、改进的自适应损失函数设计以及高效的知识蒸馏策略示例，方便研究者和工程师在智能林业、无人果园等场景中快速复现与应用，推动林业自动化和智能化水平的提升。