基于YOLO v8-DIS算法的番茄果实成熟度检测  

Detection of tomato fruit maturity grade based on YOLO v8-DIS algorithm

作　　者：张永宏[1] 宋先鲁 李宇超 秦夏洋 董天天 郭明艳 季雁琛 Zhang Yonghong

机构地区：[1]南京信息工程大学自动化学院,江苏南京210044 [2]南京信息工程大学电子与信息工程学院,江苏南京210044 [3]昆山市乐佳农业发展有限公司,江苏苏州215000

出　　处：《江苏农业科学》2025年第5期46-54,共9页Jiangsu Agricultural Sciences

基　　金：江苏省现代农业机械装备与技术示范推广项目(编号:NJ2022-02)。

摘　　要：针对YOLO v8算法模型在番茄果实成熟度检测过程中存在的漏检和误检问题,通过改进算法模型,使其能够精准分辨番茄果实成熟状态。首先采用可变形卷积(DCN)增加卷积核几何变换的内部机制,使骨干网络中的C2f结构专注于果实成熟度信息,其次采用带有缩放比例因子的辅助边框加速计算损失收敛,提升预测框实际尺寸精度。SIoU函数引入了回归之间的向量角度,定义了新的惩罚因子。另外将注意力机制模块LSKA引入Backbone和Neck网络中间,调整不同成熟度细节信息的权重。由实验室采集的番茄果实数据集,使用数据增强技术对原始图像进行旋转、亮度增强、模糊等操作,避免训练过拟合。试验结果表明,改进后的算法模型对比原始算法,显著提高番茄果实成熟度的检测精度,算法精确率提升2.4百分点,平均精准度均值提升1.2百分点,同等试验条件下损失值降低,收敛速度更快。本研究的YOLO v8-DIS算法可以更好地分辨番茄果实的成熟状态,果实成熟度分辨性能相较于主流算法模型有较大提升,以期为目标检测在农业果实采摘的应用中提供技术支撑。

关 键 词：目标检测 YOLO 可变形卷积 番茄成熟度 注意力机制 

分 类 号：S126[农业科学—农业基础科学] TP391.41[自动化与计算机技术—计算机应用技术]