改进YOLOv8n的花生品质检测方法

来源：计算机工程与应用杂志2024年第23期北京时间：

作者：黄英来, 牛达伟, 侯畅, 杨柳松

单位：东北林业大学 计算机与控制工程学院，哈尔滨 150040

摘要：花生品质筛选在农业生产和食品安全中具有重要意义。针对传统花生品质筛选方法效率低的问题，提出改进YOLOv8n算法的轻量化花生品质检测模型LE-YOLO（lightweight and efficient）。提出一种分组重序颈部模块（grouped shuffling bottleneck，GSBottleneck），增加了模型非线性拟合能力，减少了模型推理时间；设计了残差分组重序模块（residual group shuffling block，ResGSBlock），并结合GSConv（grouped shuffle convolution）构建轻量颈部网络（lightweight neck，LW-Neck），减少了模型计算成本，提升了模型推理速度；提出自适应特征优化模块（adaptive feature optimization block，AFOB），增强了通道间信息交互和模型表征能力。在DW花生数据集上进行实验验证，相较于YOLOv8n算法，LE-YOLO的计算量减少了1?GFlops，FPS提升了25%，平均精度均值mAP@0.5达到了98%，验证了该算法在检测精度和速度上的良好性能，为花生品质筛选提供了一种有效的方法。

关键词：YOLOv8n,GSConv,GSBottleneck,花生品质筛选,轻量化模型