应用轻量化FEB-YOLO模型的荔枝果实动态识别计数方法.pdfVIP

设计与应用计算机测量与控制.2025.33（2）·229

ComputerMeasurementControl

DOI:10.16526/ki.11-4762/tp.2025.02.029中图分类号：TP391.41文献标识码：A

文章编号：1671-4598（2025)02-0229-09

应用轻量化FEB-YOLO模型的

荔枝果实动态识别计数方法

李景顺1,²，刘美²，孟亚男1，韩慧子3

（1.吉林化工学院信息与控制工程学院，吉林吉林132022；

2.广东石油化工学院自动化学院，广东茂名525000；

3.香港理工大学工程学院，香港999077）

摘要：针对大场景自然环境下荔枝存在小目标、重叠和遮挡等特点，提出一种轻量化荔枝检测模型FEB-YOLO；该

模型基于YOLOv8在C2f模块中引人PConv替代部分常规卷积以实现轻量化改进，同时融人EMA注意力机制提高算法

的特征提取能力；将颈部网络替换为融合P2特征层的BiFPN，增强模型对不同尺寸的跨尺度特征融合；在回归损失函

数中引入NWD度量，提高模型对荔枝小目标的学习能力，降低漏检率；经实验测试得到FEB-YOLO模型的P、R、

mAP

计算资源更少，同时能够明显提高在复杂环境下的识别精度；为实现果园场景下实时估计荔枝产量，提出了一种高效的

荔枝果实动态识别计数方法，通过将FEB-YOLO作为BoT-SORT跟踪器的目标检测器，将FEB-YOLO的识别输出作为

BoT-SORT的输入，实现动态视频序列的跟踪计数，最后以实例验证了该方法的有效性和可行性；所得改进模型具有较

好的鲁棒性且体积小，可以嵌人到边缘设备中，不仅可用于实时估计荔枝产量，还可用于规划采摘和贮藏，为果园资源

分配提供可靠支撑。

关键词：荔枝果实；多目标跟踪；产量预测；轻量化；目标检测

DynamicRecognitionandCountingMethodforLitchiFruitUsing

LightweightFEB-YOLOModel

LIJingshun?,LIUMei?,MENGYanan,HANHuizi?

(1.SchoolofInformationandControlEngineering,JilinInstituteofChemicalTechnology,Jilin132022,China;

2.SchoolofAutomation,GuangdongInstituteofPetrochemicalTechnology,Maoming525000,China;

3.SchoolofEngineering,TheHongKongPolytechnicUniversity,Hongkong999077,China)

Abstract:Inresponsetothecharacteristicsofsmalltargets,overlap,andocclusionoflitchiinlargenaturalenviron-

ments,alightweightlitchidetectionmodelFEB-YOLOisproposed.BasedonYOLOv8,partialconvolution(PConv)isin-

troducedinthemoduleC2ftoreplacesomeconventionalconvolutionstoachievelightweightimprovement,and