阅读文章全文：http://www.tcsae.org/article/doi/10.11975/j.issn.1002-6819.202401161
《农业工程学报》2024年第40卷第11期刊载了石河子大学等单位谭厚森、马文宏、田原、张茜、李梦瑶、李孟卿与杨旭海的论文——“基于改进YOLOv8n的香梨目标检测方法”。该研究由兵团科技创新人才计划项目（项目号：2023CB016）等资助。
引文信息：谭厚森，马文宏，田原，等. 基于改进YOLOv8n的香梨目标检测方法[J]. 农业工程学报，2024，40(11)：178-185.
DOI: 10.11975/j.issn.1002-6819.202401161
针对非结构化环境下香梨识别准确率低，检测速度慢的问题，该研究提出了一种基于改进YOLOv8n的香梨目标检测方法。使用Min-Max归一化方法，对YOLOv3-tiny、YOLOv5n、YOLO6n、YOLOv7-tiny和YOLOv8n评估选优；以YOLOv8n为基线，进行以下改进：
1）使用简化的残差与卷积模块优化部分C2f（CSP bottleneck with 2 convolutions）进行特征融合。
2）利用simSPPF（simple spatial pyramid pooling fast）对SPPF（spatial pyramid pooling fast）进行优化。
3)引入了PConv(partial convolution)卷积，并提出权重参数共享以实现检测头的轻量化。
4）使用Inner-CIoU（inner complete intersection over union）优化预测框的损失计算。
在自建的香梨数据集上，指标F0.5分数（F0.5-score）和平均精度均值(mean average precision, mAP)比原模型分别提升0.4和0.5个百分点，达到94.7%和88.3%。在GPU和CPU设备上，检测速度分别提升了34.0%和24.4%，达到了99.4和15.3帧/s。该模型具有较高的识别准确率和检测速度，为香梨自动化采摘提供了一种精确的实时检测方法。