基于改进YOLOv8的冬枣成熟度检测方法

来源：中国农机化学报杂志2025年第12期北京时间：

作者：张中豪, 李娟, 娄鹏, 杨昊, 熊海涛, 赵瑶

单位：(青岛农业大学机电工程学院，青岛市，266109)

摘要：冬枣的准确检测和成熟度判别是冬枣产量估计和实现机器人采摘的前提。针对果园环境中未熟、半红和完熟冬枣的检测，提出一种基于改进YOLOv8的冬枣果实成熟度检测算法(SG—YOLOv8)。首先，在原始网络的主干中引入全局注意力机制GAM，以增强通道间的相关性，从而更有效地区分不同成熟度的冬枣。其次，在网络颈部新增小目标检测层，通过扩展检测尺度来提升对密集生长和小型冬枣目标的检测能力。此外，构建基于GSConv的Slim—neck结构，以降低模型的内存占用和计算复杂度，同时保持高准确率。试验结果表明，所提模型的检测平均精度均值mAP为95.00%，与YOLOv8s相比，mAP提高2.7个百分点；与YOLOv6s、YOLOv7、RT—DETR—X、Faster R—CNN和YOLOv5s相比，SG—YOLOv8的mAP分别提高10.9、7.3、5.8、59.0和3.9个百分点。

关键词：深度学习,冬枣,目标检测,成熟度检测,YOLOv8,特征融合

基金资助：国家自然科学基金项目(32073029)；山东省自然科学基金重点项目(ZR2020KC027)