基于改进YOLOv8的库尔勒香梨轻量化检测方法OA

为解决库尔勒香梨采摘机器人边缘计算设备处理能力有限的问题,提出一种新的轻量级检测算法PGW—YOLOv8—tiny。首先,通过调整YOLOv8的网络缩放因子,提出一种规模更小的网络YOLOv8—tiny。其次,提出一种计算量更小的部分深度卷积(Partial Depthwise Convolution,PDWConv),并使用其构建新的PDW—FasterNet模块,替换YOLOv8—tiny原有的C2F特征提取模块。此外,为进一步轻量化网络,使用GSConv代替常规卷积进行下采样,进一步降低模型计算量。最后,通过引入WIoU损失函数,提高模型的检测精度。结果表明,PGW—YOLOv8—tiny在自建的库尔勒香梨数据集上,相较于YOLOv8n模型参数量和浮点数计算量分别减少78.07%和47.62%,同时mAP相比YOLOv8—tiny提升5.67个百分点,相比YOLOv8n仅降低0.19个百分点。在边缘计算设备上,该模型与其他的主流模型相比,依然表现出更好的性能。