基于改进YOLOv8s的甜菜破损实时检测方法研究
杨世荣
齐鲁医药学院药学院,山东 淄博 255213
摘要：针对机收作业中甜菜识别精度不足、实时性较差,进而影响破损率评估准确性的问题,提出一种改进的轻量级实时目标检测模型LB-YOLOv8s.该模型以 YOLOv8s为基础,设计轻量化主干网络BS-GhostNet,并融合递归空洞自注意力机制,增强模型在复杂背景及遮挡条件下的特征提取能力,提升完整与破损甜菜的识别准确率.实验结果表明,LB-YOLOv8s在构建的甜菜数据集上取得了92.6%的平均精度,模型参数量控制在9.8×106,台式计算机和嵌入式平台上分别实现了145 FPS和55 FPS的推理速度,较基准YOLOv8s提升7.0个百分点.研究结论为甜菜收获过程中破损率评估与机收效率提升提供了高精度的技术支持.
关键词：深度学习目标识别甜菜注意力机制YOLOv8s
分类号：TP399(计算技术、计算机技术)S24(农业电气化与自动化)
论文发表日期：2025-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 45-48 )