基于改进YOLOv8模型的葡萄花穗和幼果分类检测方法及试验

来源：中国农机化学报杂志2026年第3期北京时间：

作者：林哲, 胡国玉, 李昆, 马怡翔, 李长勇

单位：1. 新疆大学机械工程学院，乌鲁木齐市，830017； 2. 新疆理工学院机电工程学院，新疆阿克苏，843000；3. 西安交通大学机械制造系统工程国家重点实验室，西安市，710049

摘要：为提高葡萄植保机器人的作业效率和质量，实现机器人前端喷施机构的精确定位，提出一种基于改进YOLOv8模型的葡萄花穗及幼果识别方法YOLOv8—FCD，并进行田间试验验证。通过引入基于PConv的C2f_Faster模块，以降低模型的参数量和计算量；替换CARAFE为融合网络上采样模块，用以增强特征提取能力；引入SEAM对检测头重新设计得到Detect_SEAM检测模块，达到进一步提升检测精度的目的。试验结果表明，改进后的YOLOv8—FCD模型精确率、召回率和平均精度分别为93.7%、87.3%、94.6%。与原始模型相比，模型精确率、召回率和平均精度均值分别提高8.2%、2.2%、2.6%，模型权重减小14.29%。将模型部署至葡萄植保喷雾试验样机进行验证试验，结果表明上位机推理时间约占完整作业时间的24.95%，喷雾成功率为85%，该模型可为葡萄智能化喷雾植保作业提供技术支持。

关键词：葡萄,图像处理,花穗,深度学习,目标检测,植保机器人

基金资助：机械制造系统工程国家重点实验室开放课题研究项目（sklms2021010）