基于改进YOLOv8n-Seg的轻量化樱桃番茄成熟度实例分割方法MSW-YOLOv8n-Seg研究

《Frontiers in Plant Science》:Lightweight MSW-YOLOv8n-Seg: the instance segmentation of maturity on cherry tomato with improved YOLOv8n-Seg

【字体: 大 中 小 】 时间:2026年01月08日 来源:Frontiers in Plant Science 4.8

编辑推荐:

  本文提出了一种轻量级樱桃番茄成熟度实例分割方法MSW-YOLOv8n-Seg,通过引入MobileViTv3骨干网络、SK(Selective Kernel)注意力机制和WIoU(Wise Intersection over Union)损失函数,在YOLOv8n-Seg基础上实现了模型轻量化(6.0 MB)与精度提升(边界框mAP@0.5达83.9%)。该方法可有效区分自然环境下5个成熟度等级(绿熟、转色、淡红、粉红、红熟),在遮挡、背光等复杂场景中仍保持52.9 f·s-1的实时检测速度,为果蔬采摘机器人视觉系统提供了关键技术支撑。

  
1 引言
樱桃番茄采收依赖人工导致效率低下,而自然环境中相邻成熟度差异小、果实相互遮挡等问题制约自动化采摘。基于中国国家标准GH/T 1193-2021,本研究将樱桃番茄成熟度细分为绿熟(Green)、转色(Turning)、淡红(Light Red)、粉红(Pink)、红熟(Red)5个等级,并提出改进YOLOv8n-Seg的轻量级实例分割模型MSW-YOLOv8n-Seg,旨在实现像素级成熟度识别与定位,为采摘机器人提供姿态估计基础。
2 材料与方法
2.1 数据采集与标注
在山西农业大学番茄试验基地通过手机采集321张图像(3468×4624像素),涵盖不同光照、遮挡场景。依据果实可见面积划分标注规则:轻微遮挡(可见面积>80%)与中度遮挡(20%-50%)果实需标注,重度遮挡(>50%)及未成熟绿果不标注。数据增强采用高斯模糊、翻转、透视变换等方法,由3名园艺专家独立标注并投票确定最终标签。
2.2 模型结构改进
骨干网络轻量化:用MobileViTv3模块替换原C2f模块,结合CNN局部特征提取与Transformer全局建模优势,显著降低参数量。
多尺度特征增强:在颈部网络第12、16、20层引入SK注意力机制,通过3×3与5×5卷积核并行提取特征,动态调整感受野,提升相邻成熟度区分能力。
损失函数优化:采用WIoU损失函数替代CIoU,通过动态非单调聚焦机制抑制低质量样本干扰,提升边界框回归稳定性。
2.3 实验设置
使用RTX 3080 GPU,PyTorch 2.0.1框架,训练参数:batch size=16,epoch=300,学习率0.001。评估指标包括精度(Precision)、召回率(Recall)、平均精度均值(mAP)及模型大小、计算量(GFLOPs)等。
3 结果与分析
3.1 模型性能
MSW-YOLOv8n-Seg在测试集上边界框精度、召回率、mAP@0.5分别达90.8%、86.3%、83.9%,模型尺寸仅6.0 MB。其中绿熟阶段检测最佳(mAP@0.5=90.3%),淡红阶段因颜色过渡快、差异小表现最差(61.3%)。在背光场景下mAP@0.5最高(92.3%),枝叶遮挡场景下性能下降至82.7%。
3.2 对比实验
与YOLOv7-Mask、YOLOv9s-Seg、Mask R-CNN等6种模型相比,MSW-YOLOv8n-Seg在精度、速度(延迟18.2 ms)、轻量化综合表现最优。例如,其mAP@0.5较YOLOv8n-Seg提升3.0%,模型体积减小38%。
3.3 模块消融实验
单独使用MobileViTv3可使mAP@0.5提升2.1%;结合SK注意力后进一步提升至85.9%;WIoU损失函数进一步优化边界框回归,最终联合改进使mAP@0.5:0.95提升5.4%。
4 讨论
模型在复杂环境中保持高精度与实时性,但尚未验证于其他番茄品种及极端场景。未来将结合深度相机进行三维定位,并部署至Jetson等边缘设备,通过量化、剪枝技术优化落地应用。
5 结论
MSW-YOLOv8n-Seg平衡了精度、速度与模型复杂度,为樱桃番茄自动化采收提供了可靠的实例分割解决方案,在精准农业中具有应用潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号