文献类型： 中文期刊

作者： 郑镇辉 ¹ ; 张淡然 ² ; 王槊 ¹ ; 韦丽娇 ¹ ; 吴海韵 ¹ ; 肖景丰 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

关键词： 竹笋;深度卷积网络;分割;轻量化;YOLOv8

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2025 年 46 卷 004 期

页码： 114-119

收录情况： 北大核心

摘要： 现有的竹笋精准分割方法计算复杂度高，且模型庞大不利于在算力有限的边缘设备上部署。为解决这一问题，采用一种基于深度卷积网络的轻量化方法进行竹笋分割。首先，设计野外竹笋图像采集试验，通过人工标记构建训练集和测试集。然后，采用YOLOv8深度卷积网络模型作为竹笋分割的基础模型，并进行模型训练和验证。最后，设计两组对比试验，验证其精准性和高效性。结果表明，所设计的竹笋分割方法在测试集上的检测平均精度和分割平均精度分别为0.927、0.931，较YOLOv7模型分别提升3.6%、5.7%，较YOLOv8＿x模型分别提升0.1%、0.4%。此外，所设计的分割方法速度为169帧/s，参数量为43.8M，模型尺寸为92.3MB，相比YOLOv7模型，分割速度提高71帧/s；相比YOLOv8＿x模型，分割速度提高51帧/s，参数量减少24.6 M，模型尺寸减少51.6 MB。为进一步验证该方法的实际部署可行性和高效性，将YOLOv8＿l模型部署到英伟达边缘设备上，部署后的竹笋分割算法在测试集上的检测平均精度均值和分割平均精度均值分别为0.896、0.891，单帧图像推理时间仅为0.091 4 s，所需显存为12.2 GB。