基于轻量化YOLO v8s-GD的自然环境下百香果快速检测模型

为了提高百香果检测精度,并将深度学习模型部署在移动平台上,实现快速实时推理,本文提出一种基于改进YOLO v8s的轻量化百香果检测模型(YOLO v8s-GD)。使用聚集和分发机制(GD)替换颈部特征融合网络,提高模型对百香果图像特征信息跨层融合能力和模型泛化能力;通过基于层自适应幅度的剪枝(LAMP)修剪模型,损失一定精度换取减小模型体积,减少模型参数量,以实现在嵌入式设备上快速检测;运用知识蒸馏学习策略弥补因剪枝而损失的检测精度,提高模型检测性能。实验结果表明,对于自然环境下采集的百香果数据集,改进后模型参数量和内存占用量相比原YOLO v8s基线模型分别降低63.88%和62.10%,精确率(Precision)和平均精度(AP)相较于原模型分别提高0.9、2.3个百分点,优于其他对比模型。在Jetson Nano和Jetson Tx2嵌入式设备上实时检测帧率(FPS)分别为5.78、19.38 f/s,为原模型的1.93、1.24倍。因此,本文提出的改进后模型能够有效检测复杂环境下百香果目标,为实际场景中百香果自动采摘等移动端检测设备部署和应用提供理论和技术支持。

基于Logistic生长模型的钦蜜9号百香果成熟阶段判别

【目的】探究夏季百香果的生长发育与品质形成规律,并对百香果成熟阶段进行判别。【方法】采用钦蜜9号百香果作为试材,测定其横径、纵径、固酸比、可食率、果皮厚度、硬度等理化指标,利用Logistic生长模型分析理化指标随有效积温增长的变化规律,并应用因子分析法对百香果成熟度进行定量评价,最终划分成熟阶段。【结果】通过观测并记录百香果生长过程,发现其纵径、横径变化趋势符合“慢-快-慢”的生长曲线,分析得出百香果在有效积温达到440℃·d时,基本完成果实膨大。随后以固酸比、可食率、果皮厚度、硬度为品质指标,其中固酸比与可食率指标呈现S型增长趋势,果皮厚度与硬度呈现三次函数下降趋势,并且品质指标与有效积温之间存在显著的相关性。利用因子分析方法构建百香果成熟度评价指标I_(M),采用Logistic生长函数建立百香果成熟度数学模型,模型拟合优度达99.25%,计算得出t1、t2、t3等3个生长分界点。最终确定有效积温为475~736℃·d时,果实处于果肉增重阶段;有效积温为736~997℃·d时,果实处于转色阶段;有效积温为997~1200℃·d时,果实处于成熟阶段。【结论】本研究量化分析了百香果成熟度,能够较好划分果肉增重期、转色期、成熟期三个成熟阶段,为百香果适时机械化采摘与贮藏管理提供依据。