基于改进YOLOv10n的莲子检测算法研究

摘要

针对工厂加工的莲子不同成熟度以及不同品质相互混杂的问题，提出了一种基于改进YOLOv10n的莲子分类检测算法YOLOv10-Lotus。该算法引入LSKA注意力机制，与主干网络SPPF模块相结合，针对莲子表面的细微特征进行优化，提升网络的特征提取能力；引入DySample上采样模块代替原来的上采样模块，为模型提供轻量且高效的采样能力；采用MPDIoU损失函数代替CIoU损失函数，提升边缘检测框的检测性能。在莲子数据集上进行实验验证，结果表明，YOLOv10-Lotus的mAP达到95.1%，精确度、召回率分别为89.6%、87.8%，权重大小为6.4 MB。与原模型YOLOv10n相比，YOLOv10-Lotus的mAP、精确度、召回率分别提升了3.3%、4%、4.7%,FPS达到178.1帧/s。提出的YOLOv10-Lotus能够实现精准检测分类，为莲子检测提供一种有效方法。

关键词

YOLOv10n / 莲子分类 / 目标检测 / LSKA / 深度学习