基于YOLOv8的水果外观检测与分类方法

• Published in: 食品与机械 Vol. 40; no. 7; pp. 103 - 110
• Main Authors: 唐兴萍, 王白娟, 杨红欣, 杨正明, 李汝嘉, 吴文斗
• Format: Journal Article
• Language: Chinese
• Published: 云南农业大学食品科学技术学院,云南昆明 650201%云南农业大学茶学院,云南昆明 650201%云南农业大学大数据学院,云南昆明 650201%云南农业大学食品科学技术学院,云南昆明 650201 01.07.2024; 云南农业大学大数据学院,云南昆明 650201
• Subjects: fruit appearance quality; 检测分类; nectarine; YOLOv8; 油桃; testing and classification; 外观品质
• ISSN: 1003-5788
• DOI: 10.13652/j.spjx.1003.5788.2023.80836

[目的]建立一种水果外观无损检测方法.[方法]以油桃为研究对象,使用IQQU3手机相机采集图像数据,并进行图像预处理.使用LabelImg图像标注软件标注数据.采用镜像翻转、左右翻转、平移等方法对数据进行扩充.将扩充后的图像按照8∶2划分为训练集和测试集.最后使用YOLOv8(n,s,m,l,x)5个模型对数据进行训练,训练150轮,比较分析5个模型的训练结果,选出最优的检测模型.[结果]构建了油桃数据集,共4 205张图像;YOLOv8(n,s,m,l,x)训练集总损失值分别为2.275,1.778,1.482,1.880,1.401,测试集的总损失值分别为 2.724,2.253,2.057,2.105,2.004;YOLOv8(n,s,m,l,x)的精确率分别为 94.0％,98.0％,97.4％,97.3％,97.9％,召回率分别为 95.4％,95.5％,95.9％,96.9％,96.9％.综合比较,YOLOv8s为较优的模型,其平均检测精确率达97.8％,正常、损伤、疤痕的平均精确率分别为96.2％,98.8％,98.4％,其推理时间、计算量(GFLOPs)分别为 179.4 ms、28.4.[结论]YOLOv8 能够有效地检测水果外观品质,可用于水果外观的无损检测.