基于YOLOv8的库尔勒香梨皮孔检测研究OACHSSCD

皮孔是香梨的重要结构,其分布规律对于揭示香梨失水机理以及优化保鲜贮藏策略具有重要的研究意义。当前皮孔分析主要依靠人工识别存在效率低下、误差大等问题,本研究采用YOLO系列最新的深度学习模型YOLOv8,对库尔勒香梨皮孔数据集进行训练,得到库尔勒香梨皮孔识别的模型,综合对比yolov8n,yolov8s,yolov8m 3种模型在数据集训练中的性能表现,并通过测试集对模型进行评估。试验结果表明yolov8s在库尔勒香梨皮孔数据集训练中兼具较高的效率与优秀的性能,识别精确率高达96.2%,召回率达到86.1%,mAP50达到0.914,F1分数高达0.909。验证了基于yolov8s的库尔勒香梨皮孔检测系统的可行性,显示出模型良好的泛化能力。利用机器视觉完成香梨皮孔的检测,可以提高皮孔分析的效率,为进一步分析香梨皮孔分布规律提供技术支持。