河南农业大学学报2026年第02期·10月1日 · 周四论文农业人工智能与决策模型阅读 4
基于改进YOLOv8n的番茄果实检测模型
论文解读
79精选
速览
提出改进YOLOv8n番茄果实检测模型，提升采摘机器人识别精度与速度。
方法
在YOLOv8n中引入CBAM注意力、BiFPN多尺度融合并优化损失函数S_I。
发现
查准率95.3%、[email protected]达96.7%，单目标检测最快1.5ms。
机会点
可探索复杂光照与遮挡场景下的轻量化模型，并融合三维定位实现采摘决策闭环。
影响力16
信息增量22
专业深度18
信源权威14
时效性9
核心期刊论文，方法有改进且指标扎实，对采摘机器人视觉识别有实用价值，值得入选。
原文摘要
李慧琴、宋赵铭、肖亚涛、兰明明（河南农业大学学报2026年第02期；河南农业大学机电工程学院）。提出一种基于改进YOLOv8n的番茄果实检测模型，将CBAM注意力机制加入YOLOv8n模型的特征提取环节，引入BiFPN模块实现多尺度特征融合替换原PANet结构，结合损失函数S_I优化训练过程。结果：查准率P=95.3%、召回率R=92.1%、F1分数=93.7%、[email protected]=96.7%；检测速度最快1.5ms/目标、最慢不超过19.6ms，可应用于番茄采摘机器人提升智能水平。
信源（1 个）