基于YOLO v8_EGW的马铃薯种薯芽眼检测方法

来源：农业机械学报杂志2025年第8期北京时间：

作者：黄华，张存东，张晖旺，岳云，王士军，吴亚东

单位：兰州理工大学,兰州理工大学,兰州理工大学,甘肃省农业工程技术研究院,甘肃省农业工程技术研究院,兰州理工大学,

摘要：针对传统目标检测算法在马铃薯种薯芽眼检测中易受泥土覆盖、表面破损以及环境因素等影响，造成检测效果差的问题，提出了一种YOLO v8_EGW模型，在自制的马铃薯数据采集试验台上实现了芽眼的快速准确检测。在YOLO v8的主干部分引入EMA注意力机制来提升马铃薯表面的芽眼特征提取能力；在YOLO v8的颈部网络中引入GD机制，并使其与C2F模块结合，加强对芽眼特征的信息融合能力，提升芽眼特征的检测能力；替换位置损失函数为WIoU损失函数，提高标记框的质量并进一步提升检测性能。结果表明，改进模型精确率、召回率、mAP@0.5、mAP@0.5:0.95分别为95.8%、92.7%、94.8%、73.0%，模型内存占用量为40.4MB、检测速度为37.03f/s。与同类目标检测模型（YOLO v4、YOLO v5、YOLO v6、YOLO v7、YOLO v8n）相比，其检测精确率分别高4.5、3.1、5.2、4.7、4.1个百分点，检测结果均优于其他模型。研究结果可为后续智能切种机的研发提供理论支持。

关键词：YOLO v8;芽眼检测;种薯;目标检测;EMA注意力机制

基金资助：甘肃省重点研发计划项目(23YFNA0024)和甘肃省科技重大专项计划项目（25ZDLA004）