农业智能化研究 | 基于YOLOv8n绿橙检测算法研究
农业智能化研究 | 基于YOLOv8n绿橙检测算法研究
摘要:绿橙果实颜色与枝叶颜色相近,识别难度大。针对绿橙高精度检测及模型轻量化改进问题,选取四川省眉山市橙子基地的“绿橙"为研究对象,设计一种基于YOLOv8n的目标检测改进算法 ESN—YOLO。首先,在 Neck 端引人GSConv和VoV—GSCSP模块,显著减小模型参数;然后,在Neck 网络层融合 SimAM注意力机制,加强模型的检测效果;最后,将模型的损失函数由CIoU修改为EIoU,以提升目标检测精度和准确性。结果表明,改进后ESN—YOLO模型的精确度 、mAP@0.5 和 mAP@0.5:0.95 分别为 96.9%.99.7% 和 83.6% ,与原始模型YOLOv8n相比,分别提升 3.2% 、0.5% 和 3.6% ,改进后算法的模型大小为 5730KB ,模型参数量为 2.6MB ,比改进前分别减少11. 4% 和 13.9% 。ESN—YOLO在模型轻量化和目标检测精度上得到有效平衡。将改进后的模型部署于嵌入式设备Jetson Nano上,模型的轻量化改进使得单张橙子照片在JetsonNano上的检测速度为 732ms ,准确率在 90% 以上。