基于改进YOLOv8-Track的芝麻单株蒴果检测计数研究
李琛昊1
王川2
李国强3
赵巧丽3
杨萍1
王凯4
常升龙5
郑国清3
1.河南师范大学 计算机与信息工程学院,河南 新乡 453007;河南省农业科学院 农业信息技术研究所/农业农村部黄淮海智慧农业技术重点试验室,河南 郑州 4500022.河南师范大学 计算机与信息工程学院,河南 新乡 453007;河南师范大学 软件学院,河南 新乡 4530073.河南省农业科学院 农业信息技术研究所/农业农村部黄淮海智慧农业技术重点试验室,河南 郑州 4500024.河南省土壤肥料站,河南 郑州 4500025.河南师范大学 软件学院,河南 新乡 453007
摘要：单株蒴果数是芝麻产量构成的重要因素.为实现单株芝麻蒴果的准确检测计数,使用目标检测、多目标追踪等技术,动态追踪单株蒴果,有助于提高芝麻育种和栽培管理效率.针对芝麻蒴果小目标、生长密集、遮挡重叠等现象,以YOLOv8-Track为基准模型,在特征融合网络中引入小目标检测头和Shuffle attention注意力机制,在模型后处理阶段引入MPDIOU损失函数,构建了SD-YOLOv8-Track模型.然后利用模型ByteTrack多目标追踪算法的ID计数方法,以芝麻单株旋转视频作为模型输入,追踪统计芝麻蒴果数.结果表明,以单幅图片为输入,SD-YOLOv8-Track模型检测蒴果的准确率、召回率、平均精度分别为92.25%、92.4%、92.58%,比原模型YOLOv8-Track分别提高5.94、6.6、6.31百分点.以单株旋转视频为输入,SD-YOLOv8-Track模型的多目标追踪准确率、多目标追踪精确率分别为89.42%、88.23%,比原模型分别提高4.23、4.60百分点.SD-YOLOv8-Track模型检测蒴果的平均计数准确率、漏检率、误检率分别为93.27%、3.85%、2.88%,平均计数准确率比原模型提高5.61百分点,漏检率和误检率比原模型分别降低3.84、1.77百分点.改进后的SD-YOLOv8-Track模型具有较好的芝麻单株蒴果检测性能,适用于芝麻单株蒴果的动态完整计数.
关键词：芝麻蒴果检测计数多目标追踪动态计数Shuffle attentionMPDIOUYOLOv8-Track
分类号：TP391.4(计算技术、计算机技术)S565.3(经济作物)
资助基金：河南省科技攻关计划项目(252102111168)河南省科技攻关计划项目(242102110351)河南省科技攻关计划项目(232102110295)国家自然科学基金(62072159)河南省农业科学院优秀创新团队项目(2024TD07)
论文发表日期：2025-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：12( 155-166 )
英文信息