首页 > 食品科学 > 基于轻量化YOLOv8-FasterBlock模型的云南小粒咖啡生豆分级方法

基于轻量化YOLOv8-FasterBlock模型的云南小粒咖啡生豆分级方法

Grading Method Based on Lightweight YOLOv8-FasterBlock Model for Green Arabica Coffee Bean Produced in Yunnan

二维码有效期 120s

摘要建立基于轻量化YOLOv8-FasterBlock模型的小粒咖啡生豆分级方法.实验主要收集来自云南的一级、二级、三级以及缺陷小粒咖啡生豆共500 g作为研究对象,混合后采集相应RGB图像作为咖啡生豆分级的数据集.随后对YOLOv8n模型进行改进,重点将YOLOv8n模型中C2f模块的BottleneckBlock替换为FasterNet中的FasterBlock模块,改进后形成新的轻量化YOLOv8-FasterBlock模型.将该模型应用于实验中不同等级咖啡豆分级检测,结果显示,提出的YOLOv8-FasterBlock模型精确率、召回率和平均精度均值分别达到了98.4%、94.3%、97.4%,其检测平均时间为2.4 ms.在后续进行的一系列对比实验、消融实验、轻量化实验以及粘连豆实验,证明了YOLOv8-FasterBlock模型的优越性和结构有效性.YOLOv8-FasterBlock模型在降低模型复杂度的同时,提升了对小粒咖啡生豆的特征提取能力和推理速度,可实现咖啡豆分级快速检测.研究结果可为后续小粒咖啡生豆分级设备的视觉模块部署提供参考,也可以为其他农产品的分级提供理论支持.

作者杨红欣 ^[1] 陈越 ^[2] 裴国权 ^[3] 钱雪英 ^[3] 李沛瑶 ^[3] 朱才英 ^[3] 夏迁 ^[3] 刘自高 ^[4] 吴文斗 ^[5] 学术成果认领

作者单位云南农业大学食品科学技术学院,云南昆明 650201 ^[1] 云南省农业机械化干部学校,云南昆明 650011 ^[2] 云南农业大学大数据学院,云南昆明 650201 ^[3] 云南追溯科技有限公司,云南昆明 650000 ^[4] 云南农业大学食品科学技术学院,云南昆明 650201;云南农业大学大数据学院,云南昆明 650201 ^[5]

关键词小粒咖啡生豆 YOLOv8-FasterBlock模型目标检测分级 Arabica coffee green coffee beans YOLOv8-FasterBlock model target detection grading

分类号 TS273 S24

栏目名称

安全检测

DOI 10.7506/spkx1002-6630-20240729-279

发布时间 2025-02-25（万方平台首次上网日期，不代表论文的发表时间）

基金项目

云南省重大科技专项计划项目（202302AE090020）云南省基础研究专项（202401AS070006）