基于改进YOLOv7—tiny的烟叶主脉轻量化检测研究

来源：中国农机化学报杂志2025年第7期北京时间：

作者：周登峰, 李军政, 王海毕, 刘从, 彭柱根, 黄楚明

单位：（湖南农业大学机电工程学院，长沙市，410128）

摘要：为精准识别烟叶主脉，实现烟叶机械化抓取以及降低抓取破损率，提出一种基于改进YOLOv7—tiny的轻量化烟叶主脉识别模型。首先在原YOLOv7—tiny的网络基础上将backbone提取网络替换为更加轻量的MobileNetV3，并将其深层的非线性激活函数h-swish替换为ReLU激活函数以增强模型的线性表达能力；再将颈部的普通卷积替换为轻量级GSConv并采用范式设计（Slim—Neck），对模型通道进行压缩，除去多余的特征以轻量化网络结构；最后引用SIoU损失函数降低模型的损失值，增强模型对烟叶主脉的融合能力。结果表明：改进模型在烟叶数据集上的平均精度均值mAP为91.3%，在仅损失1.6%的代价下，参数量比原模型减少51.1%，计算量为4.3G，仅为原模型（13.2G）的32.6%，相比于YOLOv5—s（16.5G）、YOLOv6—n（11.4G）、YOLOx—s（26.8G）、YOLOv8—n（8.7G）、YOLOv9—t（7.7G）均有所提升。改进后的模型可以部署在计算资源匮乏的边缘化设备上，为烟叶的机械化收获提供一定的技术支撑。

关键词：烟叶主脉,轻量化,机械化收获,精准识别,边缘化部署

基金资助：湖南省烟草公司科技项目（2023KJC—YC038）；湖南省教育厅重点项目（22A0149）