基于YOLOv8的轻量化机收小麦杂质检测方法

来源：中国农机化学报杂志2026年第1期北京时间：

作者：钱锐, 赵丽清, 殷元元, 刘闯, 夏俊杰, 张京科

单位：青岛农业大学机电工程学院，青岛市，266109

摘要：为实现小麦杂质的高效检测，提出一种基于YOLOv8的轻量化小麦杂质检测方法。首先，为减少卷积过程中的运算量，将Backbone中的C2f模块替换为引入部分卷积(PConv)的CPC模块。然后，引入高级筛选特征融合金字塔网络(HS—FPN)，用于解决秸秆和麦穗这两类杂质的尺度差异的问题。最后，将CIoU替换为EIoU，以获得更加真实的预测框并加快模型收敛速度。结果表明，改进YOLOv8模型的精确率、召回率和平均精度均值分别为94.8%、94.5%和98.5%，相比于原始基础网络YOLOv8n，模型权重减少47.71%，精确率、召回率和平均精度均值分别提升1.6%、0.9%和1.1%。与YOLOv5、YOLOv7和YOLOv7—Tiny相比，改进YOLOv8模型内存占用最少，仅为3.1MB，平均精度均值分别提升1.8%、1.9%和1.1%。

关键词：小麦杂质,YOLOv8,轻量化模型,部分卷积,HS—FPN

基金资助：国家自然科学基金项目(32071911)；国家重点研发计划(2023YFD2000404)；山东省现代农业产业技术体系小麦创新团队(SDIT—0—12)