改进伪标签半监督方法的石榴生长阶段检测模型

来源：计算机工程与应用杂志2025年第13期北京时间：

作者：张立才, 张欣, 陈孝玉龙, 刘佳明, 文兴甜, 杨胜贤

单位：1.贵州大学 大数据与信息工程学院，贵阳 550025；2.贵州大学 生命科学学院，贵阳 550025

摘要：精准检测果实的生长阶段对于提高农业机器人的作业效率至关重要。然而，传统的全监督目标检测模型依赖于大量的数据标注，实现成本过高。鉴于此，提出了一种利用少量标注数据训练的目标检测模型。包括：（1）采用YOLOv8构建教师-学生模型，负责生成伪标签与训练网络；（2）通过改良的伪标签分配方法，筛选出可靠、不确定与不可靠的伪标签，减少低质量伪标签对学生网络训练的负面影响；（3）针对这三种伪标签优化了训练损失函数，以更好地提取不同置信度的伪标签内的潜在信息。通过在石榴生长阶段数据集上进行实验验证，结果显示，在仅使用10%的标注数据的情况下，所提方法的平均精度达到了90.8%，比同样数据集下的YOLOv8网络提升了5.5个百分点，且该性能已接近于使用全标注数据训练的YOLOv8的92%。这一结果充分证明了提出的方法在标注资源有限的背景下，依然能够训练出高效且准确的目标检测模型。

关键词：半监督,伪标签,目标检测,师生模型