基于改进YOLOv8的谷穗检测与识别研究

来源：中国农机化学报杂志2025年第9期北京时间：

作者：秦韬, 庄卫东, 丁伯颖, 武奥翰, 马熙然, 陈海洋

单位：（1. 黑龙江八一农垦大学工程学院，黑龙江大庆，163319； 2. 天津理工大学理学院，天津市，300384）

摘要：在预估谷子产量的过程中，谷穗数是重要的指标之一，对谷穗进行准确检测在谷子测产中有重要的指导作用，因此，提出一种改进YOLOv8算法来实现对谷穗的识别。首先，将YOLOv8网络Backbone部分的传统卷积神经网络替换为占用体积更小的GhostConv卷积模块，以此来减少网络参数量。其次，考虑到谷穗目标较小的情况，使用全维度动态卷积ODConv专注小目标检测以此提高精度。最后，在Neck网络中引入CBAM注意力机制模块使网络模型更加聚焦谷穗的形态特征，提高对重叠目标的识别准确率。试验表明，改进后的模型与原模型相比，精确率、召回率、mAP@0.5和mAP@0.5∶0.95分别提升1.5%、0.4%、2.9%和1.0%，模型大小为5.87 MB，检测时间为44 ms。改进后的模型可以准确且快速识别出复杂背景环境下的谷穗，为谷子产量预估提供技术支撑。

关键词：谷穗,目标检测,深度学习,YOLOv8,注意力机制,产量预测

基金资助：黑龙江省“揭榜挂帅”科技攻关（2023ZXJ07B02）