基于改进YOLOv8n的轻量化柑橘成熟度检测

为了实现柑橘采摘的智能化,果园环境中对柑橘快速而精准的识别成为关键.针对现有目标检测算法对环境的适应缺陷和效率低下的问题,提出一种基于YOLOv8n模型的轻量化柑橘成熟度检测算法YOLOv8n-CMD(YOLOv8n citrus maturity detection).首先,优化backbone网络结构,提高小目标检测能力;其次,添加CBAM注意力机制,改善模型分类效果;然后,引入Ghost卷积,将YOLOv8原模型中的颈部C2f模块与Ghost结合,减少计算量和参数量;最后使用SimSPPF模块代替原网络金字塔池化层,提高模型检测效率.实验结果表明:YOLOv8n-CMD算法相较于原模型的模型参数量和计算量分别减少了31.8%和7.4%,精准度提高了3.0%,更适合果园环境下的柑橘检测研究.