基于改进YOLOv8模型的轻量化葡萄花穗及幼果检测模型（英文）

摘要

在全球范围内，葡萄种植面积广阔、产量丰富，葡萄及相关产业已成为许多国家重要的经济支柱．在葡萄生产中，如何在其关键生长阶段实现高效精准的管理，对提升果实产量和品质至关重要．针对葡萄花穗与幼果期目标尺寸小、易受枝叶遮挡、颜色与背景相似度高，致使现有检测方法在复杂自然环境下识别效果不佳，进而制约精准施药技术应用的问题，本文在新疆建立了葡萄花穗与幼果的专用数据集，并提出一种改进的轻量化检测模型YOLOv8-FCD．该模型引入基于PConv的C2f＿Faster模块以降低参数量与计算复杂度，将原始上采样方法替换为CARAFE模块，增强特征提取能力，并设计Detect＿SEAM检测头，提升模型在遮挡与小目标场景下的识别精度．实验结果表明，YOLOv8-FCD模型的检测精度（P）为93.7%，召回率（R）为87.3%，平均精度均值（m AP）达到94.6%．与原始YOLOv8n模型相比，P提升8.2%,mAP提高2.6%，模型体积缩减至原来的85.71%．该模型可为葡萄植保智能化喷雾中的花穗与幼果识别提供有效的技术支撑．

关键词

图像处理 / 深度学习 / 目标检测 / 葡萄 / YOLOv8