基于改进YOLOv8的脱水蔬菜异物检测方法

摘要

针对脱水蔬菜生产过程中人工质检工作量大、检测效率低、工人质检标准不一致等问题，提出了一种基于改进YOLOv8的异物检测方法 YOLOv8n-BCS，以辅助工人提高质检效率并减轻劳动强度.YOLOv8n-BCS模型在主干网络中引入ShuffleNetV2和BoTNet(bottleneck transformer network)，在颈部网络结构融入SimAM(simple attention module)注意力机制和轻量化上采样算子CARAFE(content-aware reassembly of features)，同时采用SIoU(similarity intersection over union)函数计算回归损失.使用NVIDIA GeForce RTX 3080服务器进行训练测试，实验结果表明：YOLOv8n-BCS模型精确率P为96.8%，召回率R为94.7%，调和平均值F1为95.7%，平均精度均值（mAP）为97.1%，帧率为231 f/s，模型体积为6.1 MB.相比对照模型，YOLOv8n-BCS模型容量减小，检测速度和平均精度均值提升，可为脱水蔬菜智能检测分拣系统优化提供技术参考.

关键词

脱水蔬菜异物 / YOLOv8 / 目标检测 / 图像识别 / 轻量化