基于改进YOLO v8n轻量化模型的苹果识别方法

来源：石河子大学学报·自然科学版杂志2025年第2期北京时间：

作者：马保建, 邱媛媛, 陈棒棒, 张鹏, 吕亮亮, 夏浩, 葛云

单位：1 新疆理工学院机电工程学院, 新疆 阿克苏 843100; <br/>2 石河子大学机械电气工程学院, 新疆 石河子 832003

摘要：为解决在计算资源受限条件下部署苹果检测模型的问题,并为自然环境下苹果采摘机器人的目标识别提供技术支撑,设计了一种基于YOLOv8n模型的苹果识别方法YOLOv8n-SCD,先将YOLOv8n的骨干网络替换为StarNet轻量化模型,降低原模型的参数量;然后将StarBlocks模块耦合到C2f模块中构建一个新结构C2f-StarNet,以降低模型复杂度,并且设计了新的检测头Detect_Apple,以进一步降低模型的参数量;最后,结合损失函数ShapeIoU优化模型的训练过程,以提升检测的性能。试验结果表明:改进的YOLOv8n-SCD比原模型的精确率与召回率均小幅提升,平均精确率与原模型基本持平,但模型大小、参数量和GFLOPs比原模型分别降低了53.3%、54.4%和44.4%;与YOLOv5、YOLOv7、YOLOv8n、YOLOv9和YOLOv10主流检测模型相比,YOLOv8n-SCD模型的召回率、平均精度有略微的下降,但模型大小分别减少了44%、77.2%、53.3%、36.4%和49.1%,参数量减小了45.3%、77.2%、54.4%、30.5%和39.6%,浮点计算量降低了36.6%、65.9%、44.4%、40.8%和30.8%。本文提出的YOLOv8n-SCD模型在保证苹果识别精度的前提下对原模型进行轻量化,为后续边缘设备的模型部署提供技术依据。

关键词：苹果,检测模型,轻量化,YOLO v8n,边缘设备

基金资助：新疆维吾尔自治区自然科学基金项目(2022D01C358),新疆理工学院高层次人才科研启动项目(XJLG2022G003)