来源：期刊VIP网 时间：
作者：王威;杨健晟;张梅;陈哲;张群英;刘聂天和;
单位：贵州大学电气工程学院;贵州省植物园;贵州电网有限责任公司贵阳花溪供电局;
摘要：为了提高浆果园内果蝇的识别效率，以有效指导果蝇防治，本研究以YOLOv8n模型为基准框架，通过结构改进构建了轻量级的果蝇识别算法。具体而言，使用GhostNetV2 bottleneck替代YOLOv8n主干部分所有C2f模块的残差块，构建了全新的C2fGhostV2模块，以降低计算代价并提升识别性能；通过添加卷积层和增加跳跃连接对BiFPN重构，设计了更高效的L-BiFPN结构，替代YOLOv8n颈部的FPN+PAN结构，以提高特征融合效率和表达能力；采用MBConv替代YOLOv8n颈部所有C2f模块的残差块，构建了全新的C2fMBC模块，以提高计算效率并增强对特征的复用能力。实验结果表明，本研究提出的改进YOLOv8n算法的参数、权重和浮点运算次数(FLOPs)比原始YOLOv8n降低48.50%、43.98%和32.10%,精准率、召回率以及平均精确率均值(mAP)分别为97.40%、96.60%和98.32%,明显优于原算法。总体来说，本研究的改进YOLOv8n在显著降低算法复杂度的同时提高了识别精度，具有轻量化和易部署的特性，可以满足浆果园内移动端果蝇识别任务的需求，从而为果农精准防治果蝇提供参考。
关键词：果蝇识别;;YOLOv8n;;GhostNetV2;;BiFPN;;C2fMBC
基金资助：国家自然科学基金青年科学基金项目(62003106);; 贵州省科技支撑计划项目(黔科合支撑[2022]一般133,黔科合支撑[2022]一般017)
