DOI：10.3969/j.issn.1672-3872.2025.05.004
作 者：李力扬（浙江农林大学光机电工程学院，浙江 杭州 311300）
摘 要：【目的】解决转色期草莓特征不明显而难以分类及检测的问题，提高机械化采摘场景下草莓检测及成熟度分类的精度与效率。【方法】首先，完成了草莓图像采集和标注、数据集制作等预处理步骤，对数据集的标注情况进行分析与可视化；其次，研究了基于YOLOv8的改进模块，将主干网络替换为FasterNet，引入BiFormer注意力机制，将损失函数修改为Focal-EIoU；最后，将YOLO-BiFaster改进模型与YOLOv8n基线模型进行对比，验证改进算法的优越性。【结果】改进后模型的参数量大幅减少，浮点运算量由8.1G降为5.9G，mAP50相比YOLOv8模型提高了1个百分点，达到90.9%；YOLO-BiFaster的mAP50指标在训练初期振荡较小，收敛速度高于基线模型，平均精度均值在训练后期超过基线模型。【结论】改进后的模型具有较高的分类效率和检测精度，为采摘机器人的开发提供了视觉基础，为自动采收的实现提供了基于深度学习的目标识别技术支持。
关键词：深度学习；YOLOv8；草莓；目标检测
引文信息：[1]李力扬.基于改进YOLOv8的草莓识别算法[J].南方农机，2025，56(5)：16-20.
查看全文请下载PDF文件↓
