来源：期刊VIP网 时间：
作者：周伟杰;庞立健;吕晓东;程彦杰;谢晓雯;邱巾格;
单位：辽宁中医药大学;辽宁中医药大学附属医院;
摘要：利用轻量化的深度学习YOLO(You Only Look Once, YOLO)v10目标检测算法，构建了面向移动端的高效中药材检测算法，为中药材种植生产、质量评价、教学科普以及自动化抓药等工作场景中的中药材检测提供了智能、高效的技术方案。建立包含31种常用中药材目标检测数据集，共6900张图像。为提升模型的多尺度检测能力和检测效率，引入幻影卷积(Ghost Convolution, GhostConv)轻量化卷积与加权双向特征金字塔模块(Bidirectional Feature Pyramid Network, BiFPN),提出了一种改进的轻量化中药材检测模型YOLOv10n-GB,并利用算法对数据集中图像样本进行训练、测试、分析、移动端部署测试。改进后模型的参数量2.27M(Million, M)、计算量6.4G(Giga, G)、平均精度mAP50(mean Average Precision 50,mAP50)为0.947,与YOLOv10n相比参数量降低1.2%、计算量降低4.5%,mAP50提升了1.8%,在移动端的模型检测平均帧率8.1帧每秒(Frames Per Second, FPS)。与其他轻量化算法YOLOv5n、YOLOv8n相比，YOLOv10n-GB具有最低的浮点计算量和更高的检测精度。YOLOv10n-GB算法完成了面向移动端的中药材的高效检测任务，为建立便携、实时的中药材检测方案开辟了新思路。
关键词：深度学习;;目标检测;;YOLOv10;;BiFPN;;GhostConv;;中药材检测
基金资助：国家自然科学基金面上项目(82274440);; 国家中医药管理局中医络病重点学科建设项目(T0302);; 辽宁省中医药创新团队项目(LNZYYCXTD-CCCX-001)
