基于改进YOLOv8模型的黄花菜花蕾识别研究

来源：湖北农业科学杂志2025年第7期北京时间：

作者：霍静琦, 崔婷婷, 薛志璐

单位：西安职业技术学院机电工程学院,西安 710000

摘要：通过深度融合CSPNet与密集连接网络（DenseNet）构建CSPDenseNet骨干模块,将该模块集成到YOLOv8模型,替换主干网络末端的最后2个标准卷积模块,得到改进YOLOv8模型（Dense-YOLOv8）。结果表明,在简单背景、稀疏黄花菜（Hemerocallis citrina Baroni）花蕾场景下,Dense-YOLOv8模型成功识别出全部成熟花蕾;在简单背景、密集黄花菜花蕾场景下,Dense-YOLOv8模型在花蕾检测任务中展现出优异的识别性能,但在处理紧密相邻目标时仍存在部分漏检现象;在复杂背景、密集黄花菜花蕾场景下,Dense-YOLOv8模型成功识别出全部成熟花蕾。Dense-YOLOv8模型的mAP、F1、识别速度、模型大小分别为90.75%、89%、53 f/s、217.68 MB;与YOLOv8模型、Faster R-CNN模型、YOLOv7相比,Dense-YOLOv8 模型在精简网络结构与参数的同时,显著提升了目标检测的精度与速度。

关键词：改进YOLOv8模型,深度学习,黄花菜（HemerocalliscitrinaBaroni）,花蕾,识别