一种超轻量化草莓成熟度检测模型YECC

【目的】实现在大棚草莓种植环境下,在资源受限的移动设备端如安卓手机端,实时快速精准地识别不同成熟度的草莓。【方法】提出了一种超轻量化草莓成熟度检测模型YECC,该模型基于轻量级网络模型YOLOv8n进行改进,首先使用EfficientNetv2模块对Backbone部分进行轻量化改进,使模型的三类轻量化指标大幅优化,同时提升检测速度;然后把头层特征提取层Stem模块继续改用YOLOv8n的Conv模块,提升检测精度;接着使用CBAM注意力机制替换原模型Neck部分最后的C2f模块,进一步优化模型的三类轻量化指标,经过改进后的模型称为YECC。同时将YECC模型部署于安卓手机端,开发了一款名为StrawberryDetect的草莓成熟度检测App,并对比了YECC模型和YOLOv8n模型在图库、拍照、实时视频流三个模式下的草莓成熟度检测结果。【结果】YECC的FLOPs缩减至YOLOv8n的31%,Memorysize缩减至58%,Parameters缩减至56%,同时YECC的AP50(ripe类)识别率达到了0.969,高于YOLOv8n的0.968;并且在安卓平台的对比测试表明,在检测精度近似的情况下,YECC模型的FPS是YOLOv8n的两倍以上,可以精准流畅地进行草莓成熟度检测。【结论】本设计能实现草莓生长自动化监控,为色盲色弱从业人员提供采摘依据,为农业采摘机器人提供技术支持,也为成功把模型泛化到类似的工作场景提供了可行的方案。