融合轻量化YOLOv8-Pose的烟草茎叶角检测算法

来源：电子测量技术杂志2025年第13期北京时间：

作者：高坤，李军营，梁虹，马二登，张宏

单位：1.云南大学信息学院 昆明 650504;2.云南省烟草农业科学研究院 昆明 650021

摘要：茎叶角检测是烟草表型检测的重要部分，在烟草农业的增产增效和疾病预防方面有重要的意义。针对不同环境下的人工茎叶角检测效率低、周期长、检测不方便等问题，设计并构建了轻量化的烟草茎叶角检测模型FAL-YOLO。该算法构建FAI主干网络结构来充分减少计算量和特征冗余，增加语义信息的利用效率。构建了融合空间注意力和通道注意力SA注意力模块的SAC检测头模块，进一步减少参数量和增强对茎叶角特征的感知能力。引入GSConv轻量化卷积降低模型复杂度和模型参数量。引入MPD-IoU损失函数来提升改进模型整体性能。采用自建的烟草茎叶角检测数据集，开展FAL-YOLO模型的对比和消融实验。实验结果表明，FAL-YOLO模型在自制数据集上的mAP达到了99.2%，相比YOLOV8-POSE模型在GFLOPs，Params分别降低了56.7%和52%，改进后的模型能够更快更精准的识别烟草植株茎叶角，为烟草农业选种育种智慧化提供支持。

关键词：烟草茎叶角检测;主干网络;轻量化;金字塔池化;YOLOv8-Pose

基金资助：中国烟草总公司重大科技项目(110202401003 (JY-03)）资助