改进YOLOv8的轻量化烟叶计数检测算法

来源：电子测量技术杂志2025年第8期北京时间：

作者：肖恒树，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：烟叶产量的预估是一项非常重要的任务，叶片数量与产量直接相关。传统人工统计效率低、成本高，为解决这些问题，研究提出一种轻量化YOLOv8-SLSS烟叶计数检测算法，该算法针对YOLOv8n检测精度不足、计算复杂度高以及烟叶遮挡场景导致的漏检问题进行改进。算法采用改进后的ShuffleNetV2light网络结构替代原模型的骨干网络，缩减模型参数和计算负荷；引入设计的LHCB模块到颈部网络的C2f 中，扩大模型的感受视野，提高模型检测精度的同时减少计算量；引入SEAMDetect检测头模块，增强了烟叶遮挡场景下的检测能力；最后，引入SPPELAN模块，增强模型多尺度特征提取能力和计算效率。实验结果表明，改进后的模型参数量和浮点运算量分别减少了63.3%和61.7%，算法的检测平均精度AP@0.5由原算法的92%提高到93.1%，实时检测速度达到83 fps，相比原YOLOv8n模型提高5.1%。改进后的算法提高了传统YOLO模型在烟叶遮挡场景下的检测能力，实现了较高精度、轻量化、实时检测性能的平衡，为烟草农业数字化提供有效地技术支持。

关键词：目标检测;YOLO;烟叶;烟叶计数;轻量化

基金资助：中国烟草总公司云南省公司科技计划项目(2021530000241025，2022530000241030)、云南大学研究生科研创新基金（KC-23235266）项目资助