基于改进YOLOv8的苹果质量检测模型研究  

作　　者：王亮[1] 肖小玲[1] 向琪琪 WANG Liang;XIAO Xiaoling;XIANG Qiqi

机构地区：[1]长江大学计算机科学学院,湖北荆州434100

出　　处：《信息技术与信息化》2025年第1期159-162,共4页Information Technology and Informatization

摘　　要：为实现复杂场景下苹果质量检测的高准确性与自动化,包括自然生长环境、餐盘摆放、果篮盛载,以及混于其他果群等情况,文章提出一种基于改进YOLOv8的苹果质量检测模型。该模型引入三重注意力机制(triplet attention),通过交互计算减少空间和通道信息丢失,提升模型在识别和区分不同苹果质量方面的准确性;使用DBB重参数化模块替换原始的C2f模块,增强多尺度特征融合能力,解决损坏苹果表面特征差异大的问题。在苹果检测数据集上进行验证,实验结果表明,改进后的模型在苹果质量检测任务中检测精度为71.3%,召回率为77.5%,mAP0.5为79.7%,较YOLOv8原算法分别提高了2.3%、1.4%、3.3%,提高了模型的检测效果。

关 键 词：苹果质量检测 YOLOv8 三重注意力机制 多尺度特征融合 重参数化模块 

分 类 号：S661.1[农业科学—果树学] TP183[农业科学—园艺学] TP391.41[自动化与计算机技术—控制理论与控制工程]