基于YOLO v8-DIS算法的番茄果实成熟度检测

来源：江苏农业科学杂志2025年第第5期北京时间：

作者：张永宏;宋先鲁;李宇超;秦夏洋;董天天;郭明艳;季雁琛

单位：1.南京信息工程大学自动化学院，江苏南京 210044； 2.南京信息工程大学电子与信息工程学院，江苏南京 210044；3.昆山市乐佳农业发展有限公司，江苏苏州 215000

摘要：针对YOLO v8算法模型在番茄果实成熟度检测过程中存在的漏检和误检问题，通过改进算法模型，使其能够精准分辨番茄果实成熟状态。首先采用可变形卷积(DCN)增加卷积核几何变换的内部机制，使骨干网络中的C2f结构专注于果实成熟度信息，其次采用带有缩放比例因子的辅助边框加速计算损失收敛，提升预测框实际尺寸精度。SIoU函数引入了回归之间的向量角度，定义了新的惩罚因子。另外将注意力机制模块LSKA引入Backbone和Neck网络中间，调整不同成熟度细节信息的权重。由实验室采集的番茄果实数据集，使用数据增强技术对原始图像进行旋转、亮度增强、模糊等操作，避免训练过拟合。试验结果表明，改进后的算法模型对比原始算法，显著提高番茄果实成熟度的检测精度，算法精确率提升2.4百分点，平均精准度均值提升1.2百分点，同等试验条件下损失值降低，收敛速度更快。本研究的YOLO v8-DIS算法可以更好地分辨番茄果实的成熟状态，果实成熟度分辨性能相较于主流算法模型有较大提升，以期为目标检测在农业果实采摘的应用中提供技术支撑。

关键词：目标检测;YOLO;可变形卷积;番茄成熟度;注意力机制