深度学习助力葡萄串粒数与重量精准预测：开启智慧农业新篇

为解决现代葡萄栽培中的产量评估难题，研究人员运用目标识别算法 YOLOv8 开展葡萄粒数和重量预测研究。实验表明，YOLOv8L 模型准确率最高。该研究为农业生产决策提供数据支持，推动可持续发展。

　　本研究旨在评估深度学习技术预测葡萄数量和重量的有效性。具体而言，利用机器视觉流程和目标识别算法你只看一次第 8 版（YOLOv8^L）对葡萄进行检测和重量估算。对不同模型尺寸（nano、small、medium、large、xlarge）进行测试后发现，YOLOv8^L模型准确率最高。数据集由 120 张实地拍摄照片和 540 张网络图片扩充而成，80% 用于训练，20% 用于测试。采用的数据增强技术提升了模型的泛化能力，最大程度降低过拟合问题。研究结果显示，YOLOv8^L模型在平均精度均值（mAP50 - 95）、精度和召回率等指标上表现优于其他模型。此外，为葡萄重量预测开发的模型在农业物体识别和重量估算方面具有应用潜力。本研究旨在通过提供数据驱动的决策机制，助力克服现代葡萄栽培面临的挑战，推动可持续生产进程。