改进YOLOv8n的果园番茄目标检测算法

来源：计算机工程与应用杂志2024年第23期北京时间：

作者：杨国亮, 盛杨杨, 洪鑫芳, 张佳琦

单位：江西理工大学 电气工程与自动化学院，江西 赣州 341000

摘要：针对自然果园环境下，不同生长周期的番茄姿态多变，易受光线、绿色叶片背景影响导致图像特征不明显，番茄果实生长时易出现扎堆密集以及枝叶藤蔓遮挡等情况，时常造成漏检、误检等问题，提出了一种基于改进YOLOv8n的番茄生长周期采摘检测方法。在Backbone中设计超分辨率自适应注意力模块（super-resolution adaptive attention module，SPAAM），有效提升特征图像分辨率，改善小目标番茄特征提取不充分的问题，并结合坐标注意力机制（coordinate attention，CA）提高关键位置信息提取能力；设计C2f-DCF替换原有C2f，用于自适应番茄姿态形变特征，提高对形变物体空间布局的建模能力，同时提升计算效率；设计GSCHead降低头部参数量，并且添加四倍下采样分支提高对小目标番茄的约束效果；引入Wise-IoU损失函数，提升模型在不同质量图像上训练的泛化性能。改进后的算法在测试集上精确率达到93.9%，相较于原模型提升1.9个百分点，参数量降低0.18×106，有效改善了遮挡情况的漏检率和小目标番茄的检测性能，同时检测速度达到139 FPS，可以便捷地部署到终端完成实时检测。

关键词：番茄检测,YOLOv8n,超分辨率自适应注意力模块（SPAAM）,C2f-DCF,GSCHead,损失函数