文献类型： 中文期刊

作者： 郑镇辉 ¹ ; 张淡然 ² ; 黄伟华 ¹ ; 韦丽娇 ¹ ; 郭昌进 ¹ ; 陈思睿 ³ ; 吴海韵 ¹ ;

作者机构： 1.中国热带农业科学院农业机械研究所

2.华南农业大学工程学院

3.广东理工学院艺术学院

关键词： 目标检测;甘蔗;茎节检测;YOLOv8

期刊名称： 热带作物学报

ISSN： 1000-2561

年卷期： 2024 年 45 卷 010 期

页码： 2223-2231

收录情况： 北大核心 ; CSCD

摘要： 甘蔗茎节的精确识别对于智能化切种、种植定位及优化蔗园生产管理流程,进而提升产量与经济效益具有显著价值.然而,现有甘蔗茎节检测方法的性能、模型复杂度以及实时性等方面仍存在不足.为有效解决这一问题,本研究选择采用先进的YOLOv8 模型,对结构化场景下的甘蔗茎节进行视觉检测.首先,设计野外甘蔗图像采集试验,对采集的甘蔗图像进行人工标记,并建立图像训练集和测试集;接着,采用YOLOv8 网络作为甘蔗茎节检测模型,确定最优超参数组合并进行模型训练;最后,进行野外实际识别试验,验证本方法的有效性和高效性.结果表明:本方法在测试集上的精确率、召回率、mAP、单帧推理耗时以及模型大小分别为 0.973、0.958、0.974、19.80 ms和 6.30 MB.与Edgeyolo_S_Coco网络和 Edgeyolo_Tiny网络相比,YOLOv8_n网络的 mAP同比分别提高了 1.70%和 1.30%,单帧推理耗时同比分别降低了 4.71 ms和 1.50 ms,模型大小同比分别缩减了 33.70 MB和 17.50 MB.本研究提出的甘蔗茎节检测网络在检测性能和泛化能力上更具优势,能满足户外环境下对算法精度和模型复杂度的需求,为农业智能化生产中的甘蔗收获与种植提供坚实的技术支撑.