农业机械学报

作者：刘进一，晏伏山，董赫，付丽荣，付威，陈雨

单位：海南大学,海南大学,海南大学,海南大学,海南大学,西北农林科技大学,

关键词：火龙果;目标检测;小目标;全局特征;多尺度加权特征融合网络

基金：海南省科技人才创新项目（KJRC2023D38）和海南大学协同创新中心项目（XTCX2022STC16）

为了解决因火龙果果实尺寸不一、数量众多而造成的重叠遮挡问题，本文提出了一种基于YOLO v8模型的多尺度加权特征融合网络(MBS-YOLO v8)。在特征提取模块中加入挤压和激励网络(Squeeze-and-excitation attention,SEAttention)机制，以增强网络捕捉关键细节能力，解决小目标检测问题。提出一种多尺度加权融合网络(Multi-scale weighted fusion network,MWConv)用于生成具有不同感受野的特征图，增强了图像中全局特征的捕获能力。试验结果表明，MBS-YOLO v8准确率为92.5%，召回率为90.1%，平均精度均值mAP50为94.7%。与YOLO v8n算法相比，MBS-YOLO v8准确率、召回率和mAP50分别提高2.1、5.9、2个百分点。本文MBS-YOLO v8〖JP+2〗模型展现出高度的鲁棒性，该方法有效地将全局特征信息与低维局部特征相结合，从而提高了模型对图像内容的理解，能够应对与重叠遮挡和小目标相关的挑战，为火龙果及其他同类型目标检测提供了改进思路。

来源：2025年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第5期