农业工程学报

作者：程义锋,王超,董广翔,李晓娟,黄腾龙,苏君红,

关键词：深度学习, YOLOv8n, 目标检测, 红花, 轻量化

基金：42

为提高盛花期红花检测精度和检测实时性，该研究基于YOLOv8n提出一种YOLO-GESCW盛花期红花轻量化检测方法。通过引入幽灵卷积（Ghost Conv）降低卷积深度计算开销；采用高效通道注意力模块（efficient channel attention, ECA）替换主干网络及颈部网络部分C2f模块，减少模型参数量和计算量；引入空间金字塔池化高效层聚合网络（spatial pyramid pooling with efficient layer aggregation network, SPPELAN）模块增强多尺度特征提取能力；在颈部网络加入C3k2模块，提升轮廓与细节捕捉能力；使用Wise-IoUv3函数优化边界框损失。结果表明，改进后模型参数量约0.98 M、模型大小为2.09 MB、浮点计算量为3.4 G，较原YOLOv8n分别降低67.44%、65.10%和58.02%；测试集精确率为93.6%、召回率为93.0%、平均精度均值（mAPsub>0.5/sub>）为98.1%，平均检测速度为106.79帧/s；在NVIDIA Jetson Xavier NX边缘设备部署测试，目标模型best.engine大小为3.48 MB、平均帧率52.36帧/s、单图平均推理耗时styled-content style-type="number">0.0072/styled-content> s。该研究实现了检测模型轻量化与检测精度平衡，可为盛花期红花采收作业检测模型边缘设备部署提供解决方案。/

来源：2026年第4期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第4期