基于COF-YOLOv 8n的油茶果静、动态检测计数

作     者：王金鹏 何萌 甄乾广 周宏平 

作者机构：南京林业大学机械电子工程学院 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 0829[工学-林业工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家林业和草原局应急科技项目（202202-3） 江苏省农业科技自主创新基金项目（CX(22)3099） 江苏省现代农机装备与技术推广项目（NJ2021-18） 江苏省重点研发计划项目（BE20211016-2） 

主　　题：油茶果 机器视觉 YOLO v8n 计数 产量估计 

摘      要：针对自然环境下油茶果存在严重遮挡、近景色、小目标等现象，使用原YOLO网络存在检测精度低、漏检现象严重等问题，提出对YOLO v8n网络进行改进。首先使用MPDIOU作为YOLO v8n的损失函数，有效解决因为果实重叠导致的漏检问题；其次调整网络，向其中加入小目标检测层，使网络能够关注小目标油茶以及被树叶遮挡的油茶；最后使用SCConv作为特征提取网络，既能兼顾检测精度又能兼顾检测速度。改进后的COF-YOLO v8n网络的P、R、mAP分别达到97.7%、97%、99%，比未改进的YOLO v8n分别提高3.2、4.8、2.4个百分点，其中严重遮挡情况下油茶的P、R、mAP分别达到 95.9%、95%、98.5%，分别比YOLO v8n提高4.0、9.1、4.6个百分点。因此COF-YOLO v8n网络能够明显提高油茶在严重遮挡、近景色、小目标均存在条件下的识别精度，减小油茶的漏检情况。此外，模型能够实现动、静态输入条件下油茶果的计数。动态计数借鉴DeepSORT算法的多目标跟踪思想，将COF-YOLO v8n的识别输出作为DeepSORT的输入，实现油茶果实的追踪计数。所得改进模型具有很好的鲁棒性且模型简单可以嵌入到边缘设备中，不仅可用于指导未来的自动化采收，还可用于果园的产量估计，为果园物流分配提供可靠借鉴。