自然复杂环境下油茶果识别的重参数化算法

来源：中国农机化学报杂志2026年第2期北京时间：

作者：肖伸平, 邓红巾, 赵倩颖, 陈永忠

单位：1. 湖南工业大学电气与信息工程学院，湖南株洲，412007； 2. 电传动控制与智能装备湖南省重点实验室，湖南株洲，412007； 3. 湖南工业大学轨道交通学院，湖南株洲，412007；4. 湖南省林业科学院国家油茶工程技术研究中心，长沙市，410100

摘要：针对自然环境下油茶果机器采摘识别任务中存在果实密集粘连、枝叶遮挡、果实颜色差异及光照不均等挑战，并结合当前相关研究在复杂场景下检测精度与鲁棒性不足的问题，提出基于YOLOv8n改进的YOLOv8—COD模型。该模型对C2f模块中的超参数进行调整，同时融入轻量化卷积模块，使用重参数化模块代替主干网络中的卷积模块，在提升模型检测精度的同时保持计算效率；在特征融合模块中添加GAM（Global Attention Mechanism）注意力机制，并使用GIoU—Focal替换CIoU，有助于模型聚焦油茶果，提高模型在果实遮挡、粘连等情况下的识别率。相比于传统YOLOv8n，该模型的精确率P、召回率R、平均精度均值mAP分别提升0.2%、3.3%、2.1%。在复杂自然环境中，YOLOv8—COD的漏检概率相比于YOLOv8n有明显下降，检测精度有所提升，能够有效地实现油茶果的检测识别。

关键词：油茶果,YOLOv8n,检测识别,YOLOv8—COD,重参数化

基金资助：国家重点研发计划项目（2019YFE0122600）；2024年度十大技术攻关项目（2024NK2020）