基于改进YOLOv8s的轻量级果园李子检测方法

S24; 为了解决果园李子受枝叶和果实遮蔽、环境变化等因素影响,难以准确检测的问题,该研究提出了一种基于改进YOLOv8s的轻量级果园李子检测模型.首先,采用自设计主干网络Faster-EMA缩减模型复杂度、提高检测精度.其次,引入焦点调制网络(focal modulation)替换原模型中的SPPF模块增强特征融合能力,丰富特征提取的语义信息;最后,引入参数共享策略并实现轻量级检测头LDetect,满足了低功耗嵌入式设备部署需求.试验结果表明,优化后模型的平均检测精度达到97.2％,与原模型相比,检测精度提高了 7.4个百分点;模型计算量降低了 44.8％;模型参数数量减小了 25.8％;部...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 41; no. 1; pp. 154 - 160
Main Authors 张冬妍, 陈诺, 张淇, 吴晨旭, 张榄翔
Format Journal Article
LanguageChinese
Published 东北林业大学计算机与控制工程学院,哈尔滨 150040 2025
Subjects
plum
target detection
目标检测
YOLOv8
LDetect
轻量化
李子
lightweight optimization
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.202408158

Cover

More Information
Summary:S24; 为了解决果园李子受枝叶和果实遮蔽、环境变化等因素影响,难以准确检测的问题,该研究提出了一种基于改进YOLOv8s的轻量级果园李子检测模型.首先,采用自设计主干网络Faster-EMA缩减模型复杂度、提高检测精度.其次,引入焦点调制网络(focal modulation)替换原模型中的SPPF模块增强特征融合能力,丰富特征提取的语义信息;最后,引入参数共享策略并实现轻量级检测头LDetect,满足了低功耗嵌入式设备部署需求.试验结果表明,优化后模型的平均检测精度达到97.2％,与原模型相比,检测精度提高了 7.4个百分点;模型计算量降低了 44.8％;模型参数数量减小了 25.8％;部署在边缘计算设备JetsonNano4GB上,检测帧率达到了 48.3帧/s.该研究所提出的方法能有效的解决复杂背景下果园李子的智能化检测,有助于促进李子智能化采摘技术的发展.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.202408158