DOI：10.3969/j.issn.1672-3872.2025.14.006
基金项目：国家级大创项目（202213720002、202313720002）；省级大创项目（S202313720007、S202413720022）
作 者：吴海波 ，马 蓉（浙江农林大学光机电工程学院，浙江 杭州 311300）
摘 要：【目的】解决西红柿由于生长环境复杂导致识别精度低等检测问题，实现西红柿成熟度的快速准确判断，保证西红柿的准确分级。【方法】提出了一种基于YOLOv8n-ESGW的西红柿成熟度检测方法。对YOLOv8n模型进行了以下几点改进：1）用EIEM模块替换主干部分的C2f模块，融合图像边缘信息和空间信息，提高模型精度和鲁棒性；2）在主干网络尾部添加通道注意力机制SE模块，使模型更加关注于图像中的重要特征；3）将颈部的Conv和C2f替换为GSConv和VoV-GSCSP，精简模型的同时提高模型的学习能力；4）使用WIoUv3损失函数替换原损失函数，使模型更加关注普通质量的预测框。此外，进行了消融实验和对比实验，验证改进算法在西红柿成熟度检测上的性能。【结果】YOLOv8n-ESGW模型检测精确率为83.90%，召回率为82.78%，平均精度均值mAP@0.5和mAP@0.5:0.95分别为88.50%和74.60%。与原模型相比，精确率、召回率、平均精度均值mAP@0.5和mAP@0.5:0.95分别提升了3.9、0.48、1.4、1.1个百分点，参数量减少了0.32M。【结论】 YOLOv8n-ESGW模型对西红柿数据集具有较好的检测效果，基本能够满足西红柿成熟度的检测要求，可为西红柿的智能识别和高效检测提供技术支持。
关键词：西红柿；成熟度检测；YOLOv8n；目标检测；深度学习
引文信息：[1]吴海波，马蓉.基于改进YOLOv8n的西红柿成熟度检测方法[J].南方农机，2025，56(14)：21-27.
查看全文请下载PDF文件↓
