基于改进YOLOv8n的轻量化茶叶嫩芽检测方法

来源：电子测量技术杂志2024年第7期北京时间：

作者：潘海鸿，陈希良，钱广坤，申毅莉，陈琳

单位：1.广西大学机械工程学院 南宁 530004; 2.梧州学院机械与资源工程学院 梧州 543002

摘要：为解决自然环境下茶叶嫩芽检测场景复杂，模型参数量大无法在嵌入式设备部署等问题，提出一种基于改进YOLOv8n的轻量化茶叶嫩芽检测方法。构建一种MFBNet轻量化骨干网络，引入MBConv模块后大大减少了模型计算量。同时在骨干网中加入CBAM注意力模块，抑制无效信息，提高了模型检测精度；其次引入AKConv模块对VoVGSCSPC结构进行改进，提出全新的AVCStem模块，并将其替换颈部网络的C2f模块，进一步减少模型参数，提升嵌入式设备部署效率；最后采用GSConv模块替换颈部网络结构中的全部Conv模块，帮助模型进行快速计算，提高茶叶嫩芽的检测速率。结果表明，本文提出的模型比YOLOv8n原模型的mAP50和FPS分别提升了3.5%、55.6%，参数量减少了14.3%，且模型鲁棒性强，满足复杂场景下茶叶嫩芽的轻量化快速检测。

关键词：茶叶嫩芽检测;轻量化;注意力机制;深度学习;YOLOv8n

基金资助：广西创新驱动发展专项（AA18118002）、2022年梧州市科学研究与技术开发计划项目(202202064，202202039)资助