基于改进YOLOv8s的轻量化冬枣识别方法

马保建1陈棒棒1何婉凌1张香玉1蒋焕煜2

1.新疆理工学院机电工程学院2.浙江省农业智能装备与机器人重点实验室

摘要：为解决自然环境下冬枣果实的快速识别以及边缘设备部署计算资源有限的问题，提出基于YOLOv8s模型的轻量化冬枣识别方法 YOLOv8s—SFl，以便后续将模型部署到边缘设备上。将StarNet轻量化网络结构替代YOLOv8s的骨干提取网络，以降低原模型的复杂度；将FasterNet引入C2f模块中构建一个新的结构C2f—Faster，提取更丰富的特征的同时降低计算资源的消耗；提出一种新的网络检测头Detect＿LSCD，进一步降低存储量和模型复杂度。试验结果表明，改进YOLOv8s—SFl模型的帧率为313.5帧/s，相比于原模型提高14.66%，而模型大小和参数量分别为6.8 MB和3.471 M，相对原模型分别减少68.37%和68.80%，并且精确率、召回率和平均精度均值相对原模型仅下降1%左右。改进的YOLOv8s—SFl模型大小相比于YOLOv5s、YOLOv8s、YOLOv9s和YOLOv10s分别减少61.58%、68.37%、53.10%和56.96%，参数量分别减少61. 90%、68. 80%、51. 57% 和 51. 91%，而且浮点计算量分别降低 50. 42%、58. 45%、55. 80% 和 44. 86%。

关键词：冬枣；自然环境；轻量化模型；YOLOv8s；智能化采收

文章来源：《中国农机化学报》