一种基于改进YOLOv8n-seg的轻量化茶树嫩芽的茶梗识别模型.pdfVIP

江苏农业学报(ＪｉａｎｇｓｕＪ.ｏｆＡｇｒ.Ｓｃｉ.)ꎬ２０２５ꎬ４１(１):７５￣８６

ｈｔｔｐ://ｊｓｎｙｘｂ.ｊａａｓ.ａｃ.ｃｎ７５

施武ꎬ袁伟皓ꎬ杨梦道ꎬ等.一种基于改进ＹＯＬＯｖ８ｎ￣ｓｅｇ的轻量化茶树嫩芽的茶梗识别模型[Ｊ].江苏农业学报ꎬ２０２５ꎬ４１(１):７５￣８６.

ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１０００￣４４４０.２０２５.０１.０１０

一种基于改进ＹＯＬＯｖ８ｎ￣ｓｅｇ的轻量化茶树嫩芽的

茶梗识别模型

施武ꎬ袁伟皓ꎬ杨梦道ꎬ许高建

(安徽农业大学信息与人工智能学院ꎬ安徽合肥２３００３６)

摘要:茶树嫩芽茶梗识别对实现茶叶采摘的自动化和智能化具有重要意义ꎮ然而ꎬ现有的目标检测算法检

测茶树嫩芽茶梗存在精度较低、计算量大、模型体积庞大等问题ꎬ限制了其在终端设备上的部署ꎮ因此ꎬ本研究基

于ＹＯＬＯｖ８ｎ￣ｓｅｇ模型ꎬ提出一种轻量化的茶树嫩芽茶梗识别模型ＹＯＬＯｖ８ｎ￣ｓｅｇ￣ＶＬＳꎬ并在以下３个方面进行了改

进:引入ＶａｎｉｌｌａＮｅｔ轻量化模块替代原有卷积层ꎬ以降低模型的复杂程度ꎻ在颈部引入大型可分离核注意力模块

(ＬＳＫＡ)ꎬ以降低存储量和计算资源消耗ꎻ将ＹＯＬＯｖ８的损失函数从中心点与边界框的重叠联合(ＣＩｏＵ)替换为边界

框自身形状与自身尺度之间的损失(Ｓｈａｐｅ￣ＩｏＵ)ꎬ从而提高边界框的定位精度ꎮ在采集的茶叶数据集上进行测试ꎬ

结果表明ꎬ改进后获得的ＹＯＬＯｖ８ｎ￣ｓｅｇ￣ＶＬＳ模型的平均精度值(ｍＡＰ)方面表现较好ꎬ交并比阈值为０.５０的平均精

度值(ｍＡＰ)为９４０２％ꎬ交并比阈值为０.５０至０.９５的平均精度值(ｍＡＰ)为６２３４％ꎻ模型的准确度(Ｐ)为

０.５００.５０∶０.９５

９００８％ꎬ召回率(Ｒ)为８９９６％ꎻ改进模型的每秒传输帧数(ＦＰＳ)为２４５２０帧ꎬ模型的大小为３９２ＭＢꎬ仅为

ＹＯＬＯｖ８ｎ￣ｓｅｇ大小的５７３９％ꎮ研究结果为后续茶叶智能化采摘装备的研发提供了技术支持ꎮ

关键词:图像识别ꎻ茶叶采摘ꎻ轻量化模型ꎻＹＯＬＯｖ８ｎ￣ｓｅｇꎻＶａｎｉｌｌａＮｅｔ

中图分类号:ＴＰ２１２ꎻＳ５７１.１文献标识码:Ａ文章编号:１０００￣４４４０(２０２５)０１￣００７５￣１２

Ａｌｉｇｈｔｗｅｉｇｈｔｍｏｄｅｌｆｏｒｉｄｅｎｔｉｆｙｉｎｇｔｈｅｓｔａｌｋｓｏｆｔｅａｂｕｄｓｂａｓｅｄｏｎｔｈｅｉｍ￣

ｐｒｏｖｅｄＹＯＬＯｖ８ｎ￣ｓｅｇ

ＳＨＩＷｕꎬＹＵＡＮＷｅｉｈａｏꎬＹＡＮＧＭｅｎｇｄａｏꎬＸＵＧａｏｊｉａｎ

(ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅꎬＡｎｈｕｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＨｅｆｅｉ２３００３６ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｉｄｅｎｔｉｆｙｉｎｇｔｈｅｓｔａｌｋｓｏｆｔｅａｂｕｄｓｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｆｏｒａｃｈｉｅｖｉｎｇａｕｔｏｍａｔｅｄａｎｄｉｎｔｅｌｌｉｇｅｎｔｔｅａｐｉｃｋｉｎｇ.

Ｈｏｗｅｖｅｒꎬｅｘｉｓｔｉｎｇｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｆａｃｅｓｉｇｎｉｆｉｃａｎｔｃｈａｌｌｅｎｇｅｓｉｎｔｅｒｍｓｏｆｌｏｗｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙꎬｈｉｇｈｃｏｍｐｕｔａｔｉｏｎ￣

ａｌｄｅｍａｎｄｓꎬａｎｄｌａｒｇｅｍｏｄｅｌｓｉｚｅｓꎬｗｈｉｃｈｃｏｌｌｅｃｔｉｖｅｌｙｌｉｍｉｔｔｈｅｉｒｄｅｐｌｏｙｍｅｎｔｏｎｅｄｇｅｄｅｖｉｃｅｓ.Ｔｏａｄｄｒｅｓｓｔｈｅｓｅｃｈａｌｌｅｎｇｅｓꎬ

ｗｅｐｒｏｐｏｓｅｄａｌｉｇｈｔｗｅｉｇｈｔｔｅａｓｔａｌｋｄｅｔｅｃｔｉｏｎｍｏｄｅｌꎬＹＯＬＯｖ８ｎ￣ｓｅｇ￣ＶＬＳꎬｗｈｉｃｈｗａｓｂａｓｅｄｏｎｔｈｅＹＯＬＯｖ８ｎ