基于改进YOLOv8s的葡萄果实与果梗检测方法

来源：中国农机化学报杂志2025年第12期北京时间：

作者：马聪, 陈学东, 张学俭, 杨淑婷

单位：(1. 宁夏农林科学院农业经济与信息技术研究所，银川市，750002；2. 宁夏数智农业工程技术研究中心，银川市，750002)

摘要：葡萄果实与果梗的精确检测是实现葡萄智能化采摘的关键。当前检测算法的准确性和实时性尚不满足实际生产环境需求，且难以在复杂场景下完成多串葡萄的高效检测。针对这一问题，基于YOLOv8s提出一种用于葡萄果实与果梗检测的高精度实时方法RepViT—YOLOv8s。该方法在图像特征提取阶段使用RepViT替换基准模型的卷积块，RepViT结合Vision Transformer的高感受野特性以及卷积神经网络的方便快捷性，能更充分地提取图像的特征信息，更细粒度地表征目标的特征；在特征融合阶段提出一种C2f—CBAM模块，使用视觉注意力机制CBAM突出目标特征，抑制图像背景信息，并结合C2f模块实现目标特征增强提取；在目标边框损失上使用SIoU Loss更准确地计算预测框与真实框的偏差，在训练时更快地收敛模型。试验表明：相比于YOLOv8s模型，RepViT—YOLOv8s在MS COCO 2017验证集上的精确率、召回率、mAP@0.5以及mAP@0.5∶0.95分别提高3.5%、2.5%、3.0%和2.3%，同时在自建葡萄果实和果梗数据集上RepViT—YOLOv8s的精确率、召回率、mAP@0.5以及mAP@0.5∶0.95分别达到97.4%、79.6%、86.8%和61.6%，较YOLOv8s分别提高3.3%、3.0%、3.2%和2.6%。

关键词：葡萄果实检测,葡萄果梗,深度学习,目标检测,卷积神经网络

基金资助：宁夏自然科学基金项目(2023AAC03408)；宁夏农林科学院科技创新引导项目(NKYG—23—02)