基于改进YOLOv8n的复杂环境下苹果目标检测方法研究

来源：中国农机化学报杂志2026年第6期北京时间：

作者：李金瑷, 郑纪业, 韩宇, 王鑫怡, 薛晓敏, 张霞

单位：1. 聊城大学物理科学与信息工程学院，山东聊城，252000； 2. 山东省农业科学院农业信息与经济研究所，济南市，250100； 3. 山东省果树研究所，山东泰安，271000

摘要：针对复杂果园环境下苹果目标检测模型存在检测精度低、漏检和误检等问题，提出一种改进YOLOv8n模型的苹果目标检测网络。将C2f模块中的Bottleneck模块替换为GhostNet中的GhostBottleneck结构，以降低模型的计算复杂度，减少参数冗余。引入多尺度卷积注意力(MSCA)机制，用于捕捉不同尺度的苹果特征信息，提升检测精度。选用WIoU(Wise—IoU)v2作为新的损失函数，加快模型的收敛速度，提高模型在实际应用中的检测性能。结果表明，改进后的模型相比于原模型精确率P提升2.9%，召回率R提升3.6%，平均精度均值mAP@0.5和mAP@0.5∶0.95分别提升2.6%和4.0%，计算量减少0.9 G。该模型对复杂环境下的苹果具有较好的检测效果，可为机械采摘等研究提供一定的技术支持。

关键词：苹果,图像识别,目标检测,复杂环境,多尺度卷积注意力

基金资助：国家现代农业产业技术体系(CARS—27)；山东省农业科学院农业科技创新工程(CXGC2024A08)；山东省现代耕作制度技术体系农业灾害预警与防控岗位建设任务(SDAIT—31—05)