一种基于改进YOLOv8的轻量化蓝莓果实检测方法及系统技术方案

本发明专利技术公开了一种基于改进YOLOv8的轻量化蓝莓果实检测方法及系统，涉及农业蓝莓果实检测技术领域；获取蓝莓果实图像数据集；将所述蓝莓果实图像数据集进行标注，未成熟的蓝莓标注为unripe，成熟的蓝莓标注为ripe；对YOLOv8检测模型进行改进优化，使用标注后的蓝莓果实图像数据集进行训练，得到best.pt模型；将best.pt模型权重进行基于幅值的层自适应稀疏化剪枝后应用在蓝莓果实检测中。通过剪枝减少模型的参数数量和复杂度，从而降低对计算资源需求，使模型能在计算能力有限的设备上运行。较少的参数和计算量显著提高模型在实际应用中的推理速度，特别是在需要实时处理的场景中非常有用。剪枝后的模型体积更小，占用的存储空间更少，便于部署到存储容量有限的设备上。

【技术实现步骤摘要】

本专利技术涉及农业蓝莓果实检测，具体涉及一种基于改进yolov8的轻量化蓝莓果实检测方法及系统。

技术介绍

1、在计算机视觉技术的迅猛发展中，物体检测技术已深入渗透至农业领域，并在其中发挥了举足轻重的角色。特别是，水果的检测与识别技术，对于提升农业生产的自动化水平和品质控制具有显著意义。计算机视觉的先进应用，使得能够精确地检测和识别各种作物，为实现农业生产的智能化、自动化铺平了道路。

2、具体到蓝莓产业，当前的蓝莓采摘过程仍然高度依赖人力，这不仅在劳动力资源紧张的当下构成了产业发展的主要瓶颈，而且人工采摘的劳动强度大、效率低下，已难以满足现代蓝莓产业对效率和产量的迫切需求。更重要的是，人工采摘过程中难以避免的人为因素，如采摘力度的控制不当等，可能导致蓝莓果实完整性和品质的下降，进而对最终的产品品质产生负面影响。

3、在蓝莓种植园中，实际的采摘环境往往对检测设备的计算能力和电源供应提出了严峻的挑战。在这样的背景下，轻量化的模型显得尤为重要。它们不仅能够在有限的计算资源下保持高效运行，还能提供快速的处理速度，满足实时处理的需求。对于蓝莓本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8的轻量化蓝莓果实检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于改进YOLOv8的轻量化蓝莓果实检测方法，其特征在于，对YOLOv8检测模型进行改进优化包括：在其backbone主干网络中添加改进的多支路信息融合模块N-MPCA。

3.根据权利要求2所述一种基于改进YOLOv8的轻量化蓝莓果实检测方法，其特征在于，改进的多支路信息融合模块N-MPCA包括三个卷积通道，其第二卷积通道对蓝莓图像进行维度转换，与第一卷积通道融合；融合结果进行均值操作并且与第三卷积通道相乘；将三个通道的权重信息与输入权重相乘以强化初始权重。...

【技术特征摘要】

1.一种基于改进yolov8的轻量化蓝莓果实检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于改进yolov8的轻量化蓝莓果实检测方法，其特征在于，对yolov8检测模型进行改进优化包括：在其backbone主干网络中添加改进的多支路信息融合模块n-mpca。

3.根据权利要求2所述一种基于改进yolov8的轻量化蓝莓果实检测方法，其特征在于，改进的多支路信息融合模块n-mpca包括三个卷积通道，其第二卷积通道对蓝莓图像进行维度转换，与第一卷积通道融合；融合结果进行均值操作并且与第三卷积通道相乘；将三个通道的权重信息与输入权重相乘以强化初始权重。

4.根据权利要求1所述一种基于改进yolov8的轻量化蓝莓果实检测方法，其特征在于，对yolov8检测模型进行改进优化包括：在head部引入线卷积重参数化模块c2f-orepa，动态调整卷积核的权重。

5.根据权利要求4所述一种基于改进yolov8的轻量化蓝莓果实检测方法，其特征在于，所述线卷积重参数化模块c2f-orepa实现方式为，去除所有非线性的批量归一化层并引入线性缩放层，将多个线性化的计算步骤合并为单一卷积层，通过压缩训练过程中的复杂计算块到一个...

【专利技术属性】
技术研发人员：盖荣丽，刘勇，高进，王康，王鹏飞，
申请(专利权)人：大连大学，
类型：发明
国别省市：