基于改进YOLOv8n算法的浆果园内果蝇识别研究
王威1
杨健晟1
张梅1
陈哲2
张群英2
刘聂天和3
1.贵州大学电气工程学院,贵州贵阳 5500252.贵州省植物园,贵州贵阳 5500043.贵州电网有限责任公司贵阳花溪供电局,贵州贵阳 550000
摘要：为了提高浆果园内果蝇的识别效率,以有效指导果蝇防治,本研究以YOLOv8n模型为基准框架,通过结构改进构建了轻量级的果蝇识别算法.具体而言,使用GhostNetV2 bottleneck替代YOLOv8n主干部分所有C2f模块的残差块,构建了全新的C2fGhostV2模块,以降低计算代价并提升识别性能;通过添加卷积层和增加跳跃连接对BiFPN重构,设计了更高效的L-BiFPN结构,替代YOLOv8n颈部的FPN+PAN结构,以提高特征融合效率和表达能力;采用MBConv替代YOLOv8n颈部所有C2f模块的残差块,构建了全新的C2fMBC模块,以提高计算效率并增强对特征的复用能力.实验结果表明,本研究提出的改进YOLOv8n算法的参数、权重和浮点运算次数(FLOPs)比原始YOLOv8n降低48.50％、43.98％和32.10％,精准率、召回率以及平均精确率均值(mAP)分别为97.40％、96.60％和98.32％,明显优于原算法.总体来说,本研究的改进YOLOv8n在显著降低算法复杂度的同时提高了识别精度,具有轻量化和易部署的特性,可以满足浆果园内移动端果蝇识别任务的需求,从而为果农精准防治果蝇提供参考.
关键词：果蝇识别YOLOv8nGhostNetV2BiFPNC2fMBC
分类号：S126(农业物理学)S436.63(病虫害及其防治)
资助基金：国家自然科学基金(62003106)贵州省科技支撑计划项目(2022)贵州省科技支撑计划项目(2022)
论文发表日期：2025-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 172-180 )
英文信息