来源：期刊VIP网 时间：
作者：刘春山;李志昂;邓文斌;尚涛;肖学才;
单位：佳木斯大学机械工程学院;嘉兴大学机械工程学院(机器人工程学院);
摘要：[目的]实现对猪胴体不易区分、相对较小的分割特征的准确、高效检测。[方法]通过在Backbone层中引入GhostConv模块和C3Ghost模块替代原有YOLOv8n特征提取网络中的普通卷积和C2模块，以减少计算量，降低模型复杂度；将SPPF模块替换为SPPELAN模块，使模型能更有效应对多尺度和小目标特征；最后在3个检测头前面引入无参数注意力SimAM，提高复杂环境下对下猪胴体小目标特征的识别能力。[结果]改进YOLOv8n模型在自制数据集上的mAP50为97.3%，相较原始YOLOv8n提高了5.3%的精度。改进模型的参数量Params和计算量FLOPs分别为1.5 M和4.9 G，模型大小为3.5 MB，仅为YOLOv8n的50.0%,60.5%,55.6%。模型推理速度为120.2帧/s，提高了20.7帧/s。[结论]改进YOLOv8n模型在检测精度与轻量化方面具有优势，可以有效识别猪胴体的小目标分割特征。
关键词：猪胴体;;目标检测;;YOLOv8n;;C3Ghost;;SPPELAN;;SimAM
基金资助：浙江省“尖兵领雁+X”研发攻关计划（编号：2024C04028）;; 浙江省教育厅一般科研项目（编号：Y202455539）;; 平湖市科技计划项目（编号：产业发展攻关专项202505）
