苹果成熟度轻量化实时检测模型GCA-YOLOv8n的设计与实现

摘要

【目的】解决苹果成熟度传统检测模型过大、推理速度慢、检测精度低等问题。【方法】构建基于改进YOLOv8n的轻量化实时检测模型GCA-YOLOv8n。首先，引入C3Ghost模块替换原模型的C2f模块，实现模型轻量化、提高模型推理速度；其次，引入GhostConv模块替换原模型的Conv，帮助卷积层更有效地提取信息、减少冗余；最后，将ACmix注意力机制添加到原模型结构中，提高模型的特征提取能力和检测精度。将GCA-YOLOv8n模型应用于苹果成熟度检测试验。【结果】结果表明，GCA-YOLOv8n模型的参数量、浮点运算数、权重文件大小分别为2.0×10～6、5.7×10～9、4.4 MB，与YOLOv8n相比分别降低33.1%、29.6%、30.2%；推理速度为130.8帧/s，与YOLOv8n相比提高21.5%；平均精度均值和F1分别为89.2%和82.5%，模型具有较高的检测精度和推理速度。【结论】研究构建的GCA-YOLOv8n模型在保证检测精度的同时显著降低了模型复杂度与计算量，实现了轻量化与高效性。模型具备较高的实时检测性能，可在边缘计算设备(含移动端)上稳定运行，为自动化采摘提供技术支持。

关键词

目标检测 / 苹果成熟度 / YOLOv8n / 轻量化模型 / 推理速度