FMAYOLO：一种草莓成熟度轻量化检测模型
来源：江苏农业科学杂志2025年第第20期北京时间：
作者：姬厚灵;龚程杰;江俊辉;陈惜时;李 刚;白静盼
单位：长江大学计算机科学学院，湖北荆州 434000
摘要：草莓检测模型的识别精度和检测速度会直接影响草莓采摘机器人的效率，因此，为实现复杂温室环境下对草莓成熟度的精准检测，为机械化草莓采摘提供重要的参考价值，拟提出一种轻量化草莓成熟度检测模型FMA-YOLO。首先，将CBAM注意力机制和CA注意力机制结合，设计了MA注意力机制，可以从空间，通道及坐标3个方面进行特征提取，解决模型对小目标、遮挡目标特征提取能力弱的问题；其次，将C2f模块中的Bottleneck替换为FasterNetBlock，并在FasterNetBlock中引入EMA注意力机制，同时将C2f模块内的标准卷积替换成GhostConv卷积，以此降低计算复杂度，并增强模型的特征提取能力；再次，将原有Neck替换为BiFPN金字塔结构，进一步减少模型的参数量；最后，用WIoU损失函数替换CIoU损失函数，提升模型在复杂数据环境下的稳定性。研究自制的数据集的试验结果表明，FMA-YOLO模型的mAP@0.5达到91.9%，相较于YOLO v8n提升了0.8百分点，同时改进后的模型参数量为1.93 M，计算量为7.3 GFLOPs，模型大小为3.95 MB，相较于YOLO v8n分别降低了35.9%、9.9%、33.7%。研究提出的模型既保证了精度，又实现了轻量化，为草莓成熟度检测提供了有力的技术支持，对于提高草莓采摘机器人的工作效率具有重要意义。
关键词：草莓识别;特征提取;FMA-YOLO;轻量化
