基于改进YOLO v8n模型的草莓成熟度检测算法

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：陈孟杰;梁敖;许晓琳;张玉宁;牛思琪;马德新

单位：1.青岛农业大学动漫与传媒学院，山东青岛 266109； 2.青岛农业大学智慧农业研究院，山东青岛 266109

摘要：为解决草莓果实被枝叶或其他果实遮挡，导致草莓成熟度识别困难的问题，提出一种改进YOLO v8n的草莓成熟度检测算法YOLO v8n-CDW。首先，在主干网络中将C2f模块替换为C2f_FasterBlock模块，通过部分卷积减少计算量和内存访问，提升计算速度；其次，使用CCFM轻量级跨尺度特征融合网络替换颈部多尺度特征融合网络，同时把部分Conv模块替换成DiverseBranchBlock(多元分支模块)，能够显著提高网络的特征表达能力和精度；最后，更改边界框损失函数(CIoU)为动态非单调聚焦机制(WIoU)，进一步提升模型检测性能。结果表明，改进后的YOLO v8-CDW的模型准确率、召回率、平均精确度、模型体积和检测速度分别为91.8%、90.7%、95.9%、5.5 MB、222.1帧/s；相比于原始基础网络YOLO v8n，准确率、召回率、平均精确度分别提升3.7、1.1、2.4百分点，体积下降0.8 MB，检测速度提升57.6帧/s。改进后的模型能更高效、更精准地识别草莓成熟度，为智能化采摘提供技术支撑。

关键词：深度学习;草莓;YOLO v8n;成熟度