农业机械学报

作者：谢立敏，吴昊宇，景均，叶大鹏，方兵

单位：福建农林大学,福建农林大学,福建农林大学,福建农林大学,福建农林大学,

关键词：杏鲍菇;目标检测;深度学习;机器视觉;表征提取;分级方法

基金：福建省农业信息感知技术重点实验室建设项目（KJG22052A）

针对杏鲍菇分级依赖人工、效率低且主观性强的问题，提出了一种基于改进YOLO v8n-seg的杏鲍菇自动分级检测方法FCML-YOLO v8。基于FCML-YOLO v8模型，结合从属判断、掩模合并及中心筛选方法，实现了对杏鲍菇尺寸与病斑情况的准确评估；通过图像细化与拟合曲线技术，有效量化了杏鲍菇弯曲度；并利用CIE XYZ颜色空间值，分析了杏鲍菇颜色特征。综合以上4项指标，实现了杏鲍菇自动化分级检测。模型训练测试结果表明，FCML-YOLO v8模型预测框精确率、召回率和平均精度均值分别达到94.41%、88.48%和92.04%，而在掩膜检测方面，其精确率、召回率和平均精度均值分别为90.52%、84.14%和86.79%。与YOLO v8n-seg模型相比，预测框和掩膜检测平均精度均值分别提升6.39、4.79个百分点。杏鲍菇分级检测试验结果表明，FCML-YOLO v8模型平均精度均值高达92.98%，满足工业级应用需求。

来源：2025年第12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12期