Slim-YOLOv8n:基于改进YOLOv8n的轻量级棉铃检测模型

文献类型： 中文期刊

第一作者： 黄姣

作者： 黄姣;刘卓远;李彩红;刘俊承;李飞;陈国;赵瑞元;杨彬

作者机构：

关键词： 棉铃检测;YOLOv8n;深度学习

期刊名称： 棉花学报

ISSN： 1002-7807

年卷期： 2025 年 37 卷 004 期

页码： 350-360

收录情况： 北大核心 ; CSCD

摘要： 【目的】棉花产量预测是我国棉花生产管理的重要环节，而吐絮期棉铃检测的准确性直接影响产量估算的精度。为解决现有棉铃检测模型因追求检测精度而导致计算复杂度显著增加的难题，本研究提出了1种基于改进YOLOv8n的轻量级棉铃检测模型Slim-YOLOv8n。【方法】以YOLOv8n为主体框架，一方面在颈部结构集成了轻量级跨尺度特征融合网络，实现多尺度特征融合的有效降维，降低计算复杂度；另一方面通过重参数化卷积和共享思想对检测头进行重构，设计重参数化检测头并构建双阶段特征处理流，实现精度保持与模型的轻量化。【结果】该模型在检测精度高达98.20%的情况下，与YOLOv8n模型相比，参数量降低44.84%，计算量减少39.51%，模型大小压缩43.34%，验证了模型改进的优越性。【结论 】Slim-YOLOv8n充分满足棉铃检测任务对高精度和轻量化的双重需求，为棉花产量预测中吐絮期棉铃的高效精准检测提供有力技术支持。

分类号： TP183%TP391.41%S562

  • 相关文献

[1]基于改进YOLOv8n的茶树嫩芽识别. 杨肖委,沈强,罗金龙,张拓,杨婷,戴宇樵,刘忠英,李琴,王家伦. 2024

[2]基于改进YOLOv8n的麦穗自动检测方法研究. 臧贺藏1,2,周萌1,2,王亚辉3,彭一龙1,2,赵晴1,2,张杰1,2,李国强1,2. 2025

[3]基于改进YOLOv8n卷积神经网络的玉米雄穗检测方法. 胡冬,班松涛,马超,田明璐,袁涛,李琳一,庄洁. 2025

[4]基于Fert-YOLO的高粱育性检测模型研究. 赵泽阳,段有厚,卢峰,柯福来,朱凯,杨琳琳,张飞. 2025

[5]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[6]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[7]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[8]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[9]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[10]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[11]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[12]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[13]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[14]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[15]蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试. 李华龙,李淼,詹凯,刘先旺,杨选将,胡泽林,郭盼盼. 2020

[16]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[17]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[18]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[19]基于深度学习的油菜籽粒图像分割方法初探. 彭顺正,黄筑斌,岳延滨,吴小波. 2020

[20]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

作者其他论文 更多>>

微信小程序