基于YOLOv8n绿橙检测算法研究

来源：中国农机化学报杂志2025年第7期北京时间：

作者：陈思, 李俊萩, 孔德肖, 张晴晖, 孙文朔

单位：（西南林业大学大数据与智能工程学院，昆明市，650224）

摘要：绿橙果实颜色与枝叶颜色相近，识别难度大。针对绿橙高精度检测及模型轻量化改进问题，选取四川省眉山市橙子基地的“绿橙”为研究对象，设计一种基于YOLOv8n的目标检测改进算法ESN—YOLO。首先，在Neck端引入GSConv和VoV—GSCSP模块，显著减小模型参数；然后，在Neck网络层融合SimAM注意力机制，加强模型的检测效果；最后，将模型的损失函数由CIoU修改为EIoU，以提升目标检测精度和准确性。结果表明，改进后ESN—YOLO模型的精确度、mAP@0.5和mAP@0.5∶0.95分别为96.9%、99.7%和83.6%，与原始模型YOLOv8n相比，分别提升3.2%、0.5%和3.6%，改进后算法的模型大小为5 730 KB，模型参数量为2.6MB，比改进前分别减少11.4%和13.9%。ESN—YOLO在模型轻量化和目标检测精度上得到有效平衡。将改进后的模型部署于嵌入式设备Jetson Nano上，模型的轻量化改进使得单张橙子照片在Jetson Nano上的检测速度为732ms，准确率在90%以上。

关键词：绿橙,目标检测,模型轻量化,深度学习

基金资助：云南省科技计划项目（202301BD070001—127）；森林生态大数据国家林业和草原局重点实验室重点项目（2022—BDK—05）