改进YOLOv8n的桃子品质分级检测方法

摘要

针对小型桃园中桃子品质分级大多依赖人工、标准化程度低、水果品质分级相关算法复杂等问题，提出改进YOLOv8n的桃子品质分级检测模型（YOLOv8n-ABTW）。主干网络（Backbone）嵌入坐标注意力机制（CA）,精确捕捉目标位置变化和特征关联；颈部网络（Neck）融合简化的双向特征金字塔网络（SBiFPN）和上下文转换模块（COT）,实现跨尺度特征连接，充分挖掘桃子图像中的纹理、缺陷和位置变化等静态和动态上下文信息；采用具有动态聚焦机制的Wise-IoU,减少低质量样本带来的惩罚。采集“冬雪蜜桃”和“玉妃”2个品种4个等级共8个类别的图像1 226张，再数据增强至3 650张。在自制桃子品质分级数据集下的实验结果表明：该模型的α_mAP@0.5比基准模型提高了2.1%,与其他模型相比α_mAP@0.5也均有提升，为实现桃子品质分级检测提供了可行的技术方法。

关键词

桃子品质分级 / 目标检测 / 注意力机制 / 双向特征金字塔网络 / 损失函数