基于改进YOLOv8n的麦穗自动检测方法研究
臧贺藏1
周萌1
王亚辉2
彭一龙1
赵晴1
张杰1
李国强1
1.河南省农业科学院 农业信息技术研究所,河南 郑州 450002;农业农村部黄淮海智慧农业技术重点实验室,河南 郑州 4500022.河南工业贸易职业学院,河南 郑州 450053
摘要：在小麦育种中,穗数是评估小麦产量的关键指标,及时准确检测小麦穗数对产量早期预测具有重要的实际意义.在实际生产中,采用人工田间调查统计麦穗的方法费时费力.因此,提出了基于改进YOLOv8n的麦穗自动检测方法.首先,利用HGNetV2改进网络结构,增强了小目标麦穗特征的表达能力;其次,引入深度可分离卷积和逐点卷积,提高了模型的计算效率和计数性能;最后,改进损失函数,对模型进行优化,实现了麦穗位置和类别信息的精准判断.结果表明,改进YOLOv8n在麦穗检测任务中的准确率为93.7%,比YOLOv8n提高6.5百分点,与YOLOv5s、YOLOv8x相比,改进YOLOv8n分别提高9.7、0.5百分点,可以在田间复杂情况下检测麦穗图像,具有较好的计算机视觉处理和性能评估检测效果.该方法能够准确地检测出小目标小麦穗数,较好地解决了小麦穗数的遮挡和交叉重叠等问题.
关键词：小麦麦穗计数田间表型目标检测YOLOv8n
分类号：S126(农业物理学)
资助基金：河南省科技攻关计划项目(242102110353)河南省农业科学院自主创新项目(2025ZC77)河南省农业科学院科技创新团队项目(2024TD07)
论文发表日期：2025-07-15
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：8( 162-169 )
英文信息