基于改进YOLOv8的多阶段草莓检测算法

章璞，乔波，陈义明

（湖南农业大学信息与智能科学技术学院，长沙市，410128）

摘要：为实现温室复杂环境中草莓的快速、精确检测，提出一种基于改进YOLOv8的多阶段草莓检测算法。首先，针对温室环境下采集到的草莓数据集，使用LabelImg对数据集进行标注；其次，针对草莓体积小、环境复杂等问题，在主干网络中融入BiFormer动态注意力机制，实现更加灵活的计算分配和特征感知，使网络模型更加关注小目标检测，并提高其在复杂环境下的果实检测能力；最后，在Neck部分引入VanillaNet模块，以降低模型计算量，进一步提高对草莓的识别精度。试验结果表明，相较传统的YOLOv8，改进后的YOLOv8的平均精度均值mAP提升4.6%，达到93.8%。改进后的YOLOv8具有更高的检测精度，同时在小目标检测方面表现出色，为后续的采摘机器人实时小目标检测提供支撑。