基于改进YOLOv8n的猕猴桃果实识别模型

来源：中国农机化学报杂志2026年第6期北京时间：

作者：王树声, 张鹏超, 王磊, 郭昕宇, 杨森, 唐梁彬

单位：1. 陕西理工大学机械工程学院，陕西汉中，723001；2. 陕西省工业自动化重点实验室，陕西汉中，723001

摘要：为实现猕猴桃果实采摘中的快速识别定位，提升机器人采摘猕猴桃果实的识别准确率，提出一种改进的YOLOv8n算法。首先，使用特征聚集扩散金字塔网络，替换原有网络并增加自适应任务协同检测头，增强模型对猕猴桃不规则形状信息的捕捉能力，提升不同生长姿态果实的特征响应效率。其次，针对猕猴桃果实与枝叶背景特征易混淆的痛点，设计高效前端特征提取模块C2f_EFEM。该模块融合提取边缘信息的SobelConv分支和提取空间信息的卷积分支，能够学习到更加丰富的图像特征表示，有效降低枝叶遮挡造成的识别干扰。最后，采用Inner—ShapeIoU损失函数替代传统损失函数，该函数通过聚焦检测边框自身形状与尺度特性计算回归损失，规避传统方法依赖候选框匹配的局限性，实现边框坐标的精准回归。为验证改进算法的有效性，在自建猕猴桃数据集上开展对比试验。结果表明，改进模型的精确率、召回率、mAP@0.5分别提升0.9%、3.3%、2%，同时模型参数量减少1.3 M。

关键词：猕猴桃,目标检测,YOLOv8n,深度学习,损失函数

基金资助：国家自然科学基金项目(62176146)