关键词:
深度学习
YOLOv8n
蝴蝶兰种苗
轻量化
检测速度
小目标检测
摘要:
小型植物组织检测对植物自动化培养产业的发展具有重要意义,为了提升蝴蝶兰种苗夹取点视觉检测效率以及解决现有模型参数量较大,检测速度较慢的问题,该研究提出了一种轻量化目标检测算法YOLOv8n-Aerolite。首先,采用StarNet作为主干网络,在此基础上增加嵌入大核可分离卷积的池化层SPPF_LSKA(large-separable-kernel-attention),实现轻量化的同时保证准确率;然后在颈部网络中采用结合StarBlock的C2f_Star模块,提高模型对蝴蝶兰种苗检测的准确率;最后,采用以共享卷积为基础的轻量级检测头Detect_LSCD(lightweight shared convolutional detection head),提升模型对小目标检测的精度和速度。在对蝴蝶兰种苗图像数据集的目标检测试验中,YOLOv8n-Aerolite算法的平均推理速度达到了435.8帧/s,精确度达91.1%,权重文件大小仅为3.1 MB,对于夹取点所在小目标检测精度达91.6%,在种苗夹取试验中成功率为78%,研究结果可为发展小型作物自动化栽培技术提供参考。