农业机械学报

作者：谭治英，张栋，吴延浩，李旭，徐孝彬，李涛

单位：河海大学,河海大学,河海大学,河海大学,河海大学,常州大学,

关键词：茶叶分级识别;YOLO v8n;CSFCN;Tconv;MultiSEAM检测头

基金：江苏省科技计划项目产业前瞻与关键核心技术重点项目(BE2020082-1、BE2021016-4)和中央高校基本科研业务费专项资金项目（B230201005）

针对大宗茶叶机械化采摘后，在工业传送带分选场景下存在茶叶嫩芽数量庞大、姿态多样导致的等级识别精度与效率低下的问题，本文提出一种基于改进YOLO v8n的快速茶叶分级识别模型TS-YOLO。首先，引入一种轻量化网络CSFCN，解决上下文不匹配和空间特征不对齐问题，从而提升检测精度。其次，设计专为流水线茶叶场景优化的卷积模块（Tconv），增强快速特征提取能力。采用MultiSEAM检测头对检测头进行改进，解决目标遮挡问题。最后，引入Wise-CIoU作为边界框损失函数，精确地衡量目标之间的相似性，加速模型收敛并提升检测精度。试验结果表明，TS-YOLO模型的精确率为94.0%，召回率为91.6%，mAP为94.30%，分别比原YOLO v8n提高1.0、1.8、1.6个百分点。此外，其在测试集上检测速度达到148.98f/s，比YOLO v8n提升40%，提高42.5f/s。改进后的TS-YOLO模型在检测精确率和识别速度上均能达到大宗茶生产线在线分选茶叶嫩叶技术要求。

来源：2025年第11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11期