基于改进YOLOv8算法的柠檬等级检测系统.pdfVIP

基于改进YOLOv8算法的柠檬等级检测系统.pdf

摘要

柠檬是一种营养价值极高的水果，越来越多的人喜欢食用柠檬，这使得柠檬种

植逐渐普及。在柠檬种植过程中，柠檬品质关乎着流入消费市场中柠檬的销量，因

此极其关键。传统的柠檬等级识别主要依赖人工经验判断或基于形态学特征的传统

图像处理技术，这些方法存在效率低、主观性强且难以适应复杂环境变化的局限性，

难以适应大规模种植场景。近年来，随着人工智能与深度学习技术的突破，智能农

业领域涌现出基于YOLOv8的自动化采摘解决方案。然而，YOLOv8算法在枝叶遮

挡、逆光环境及多角度采摘场景下表现欠佳，难以满足高价值水果无损采摘需求。

基于此，本文研究基于改进YOLOv8的柠檬等级识别，通过改进后的YOLOv8算法

实现果实精准定位，结合成熟度判别模型分析果径、色泽等特征，显著提升采摘作

业效率。具体的，该技术将加权双向特征金字塔网络（BIFPN）多尺度卷积网络架

构（C2f-EMBC）与EfficientRepHead解耦头相结合。通过这种组合，模型架构的感

知和表征能力将得到增强，检测精度将得到提高，网络结构也将得到优化，有效提

升了复杂场景下小目标缺陷的检测精度，为自动化采摘提供了新思路。

本文主要工作如下：

（1）针对YOLOv8算法存在在枝叶遮挡、逆光环境及多角度采摘场景下表现欠

佳的问题，本文提出一种改进的YOLOv8算法，在YOLOv8网络中加入了BIFPN模

块，它使用可学习权重来学习各种输入特征，同时重复应用双向多尺度特征融合。

还提出了一种采用混合信道方法的高效解耦EfficientRepHead。这两个模块的结合大

大提高了模型的性能。并且在VisDrone2021数据集上进行的大量测试证实了该算法

的性能。本文还研究了将改进YOLOv8模型通过剪枝技术大大减少了参数数量和计

算时间，使其能够部署在性能需求较低的设备上，同时还保证了目标识别能力。

（2）本文将改进的YOLOv8算法用于柠檬等级识别，设计并实现一个基于改进

YOLOv8的柠檬等级识别系统，该系统包含柠檬图片识别，柠檬视频识别，摄像头

实时识别等功能。软件测试结果表明，该系统运行稳定，能较好地进行柠檬等级自

动识别。

关键词：YOLOv8；柠檬等级检测；BIFPN；C2f-EMBC；EfficientRepHead

万方数据

Abstract

Lemonisafruitwithhighnutritionalvalue,andmoreandmorepeopleliketoconsume

lemon,whichmakeslemoncultivationgraduallypopularized.Intheprocessoflemon

cultivation,lemonqualityisextremelycriticalasitisrelatedtothesalesoflemonsflowing

intotheconsumermarket.Traditionallemongraderecognitionmainlyreliesonartificial

experiencejudgmentortraditionalimageprocessingtechniquesbasedonmorphological

features,whichareinefficient,subjectiveanddifficulttoadapttothelimitationsofcomplex