基于改进 YOLO v8 算法的苹果识别研究

河均 黎(重庆三峡学院计算机科学与工程学院，中国)

摘要

本文将YOLO v8算法评估苹果产品识别，并提出改进的YOLO v8-CI算法以提升性能。针对苹果产品图像背景复杂、质量差异、尺寸多样性等特点，研究引入CCFF模块，增强内尺信息交互能力图像及细节捕捉能力。同时加入C2f-iRMB模块，强化特征表达及细粒度识别精度。通过Python实现改进算法并在实际苹果数据集上验证，实验结果显示，YOLOv8-CI算法在检测速度上保持YOLOv8高效性的同时，在准确率、识别率等指标上取得显着提升，更适用于复杂情况该算法为智能农业中的果实识别与分类高效提供了可靠的技术支持。

关键词

改进YOLO v8算法；图像识别；苹果识别

参考

李超,丁颂,杨树臣,等. “智慧农业”苹果采摘系统设计 [J]. 机械工程与自动化, 2019, (01): 113-114.

李彦晶,罗钿,冯宇龙,等. 基于切割的便携式苹果采摘装置的设计与试验 [J]. 中国农机化学报, 2019, 40 (02): 51-54+96.

李素云,唐先进.苹果采摘机器人的研究现状、进展与分析[J].装备制造技术,2016, (01):185-186+192.

王景鑫,潘欣.一种基于Labelimg的辅助标注方法[J].科技创新与应用,2023,13(29): 145-148.

宋杰三.基于改进Yolov8的焊缝缺陷检测研究[J].中国设备工程,2024,(14):196-199.

嵇春梅,周鑫志,叶烨华.自然场景下的轻量化番茄病害检测模型[J/OL].南京农业大学学报,1-12[2024-12-11].

林再平,李博扬,李淼,等.结合跨尺度特征融合与瓶颈注意力模块的轻量型红外小目标检测网络[J].红外与毫米波学报,2022,41(06):1102-1112.

邓江峰,田金鹏.基于倒置残差块的图像压缩感知深度重建[J].工业控制计算机,2024,37(10):96-98+103.

杨伟康,吕文生,杨鹏,等.基于倒置残差的井下无人车目标检测研究[J].矿业研究与开发,2024,44(04):222-227.

DOI: http://dx.doi.org/10.12345/bdai.v6i1.23374