农业机械学报

作者：李尚平，覃勇华，黄伟斌，李凯华，闫清林

单位：广西民族大学;广西蔗糖产业省部共建协同创新中心,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,广西民族大学;广西高校智慧无人系统与智能装备重点实验室,

关键词：预切式甘蔗种;质量检测;轻量化;YOLO v8;边缘端部署

基金：国家自然科学基金项目(52165009)和广西科技重点研发项目(桂科AB18281016)

甘蔗种质量检测是甘蔗预切备种过程中的关键环节。针对实际备种场景中环境复杂、边缘设备计算资源受限的问题，提出一种基于改进YOLO v8n的轻量化甘蔗种质量检测方法。通过引入混合局部通道注意力（Mixed local channel attention，MLCA）和部分卷积(PConv)改进网络结构，有效减少模型的冗余计算并增强对关键特征的关注能力；在颈部网络使用DySample动态上采样，以更准确地获取特征点的边界和细节信息；此外，采用重参数化的共享卷积结构对检测头进行改进，进一步减少模型的复杂度；最终形成了甘蔗种质量检测模型YOLO v8-SD，将其结合单目相机测距算法，实现蔗种切口与相邻蔗节的距离测算。试验表明，YOLO v8-SD模型的mAP50达98.3%，帧检测速率为142.9f/s，模型内存占用量为3.45MB，相较原始模型参数量和浮点运算量分别减少47.8%和33.3%，模型内存占用量减小41.9%，帧率提升7.8f/s。此外，使用本文方法的切口距离测算平均相对误差小于6.1%。将改进后的模型部署在NVIDIA Jetson Orin NX开发板上配合甘蔗种筛选系统进行样机试验，试验结果表明，对于不同品种甘蔗种质量检测的平均准确率为97.33%，满足实际应用需求。

来源：2025年第7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7期