基于改进YOLOv 8n模型的草莓成熟度检测算法OA

为解决草莓果实被枝叶或其他果实遮挡,导致草莓成熟度识别困难的问题,提出一种改进YOLO v8n的草莓成熟度检测算法YOLO v8n-CDW。首先,在主干网络中将C2f模块替换为C2f_FasterBlock模块,通过部分卷积减少计算量和内存访问,提升计算速度;其次,使用CCFM轻量级跨尺度特征融合网络替换颈部多尺度特征融合网络,同时把部分Conv模块替换成DiverseBranchBlock(多元分支模块),能够显著提高网络的特征表达能力和精度;最后,更改边界框损失函数(CIoU)为动态非单调聚焦机制(WIoU),进一步提升模型检测性能。结果表明,改进后的YOLO v8-CDW的模型准确率、召回率、平均精确度、模型体积和检测速度分别为91.8%、90.7%、95.9%5.5 MB 222.1帧/s:相比于原始基础网络YOLOv8n,准确率、召回率、平均精确度分别提升3.7、1.1、2.4百分点,体积下降0.8 MB,检测速度提升57.6帧/s。改进后的模型能更高效、更精准地识别草莓成熟度,为智能化采摘提供技术支撑。