文献类型： 中文期刊

作者： 黄姣 ¹ ; 刘卓远 ¹ ; 李彩红 ² ; 刘俊承 ³ ; 李飞 ⁴ ; 陈国 ⁵ ; 赵瑞元 ⁶ ; 杨彬 ¹ ;

作者机构： 1.湖南大学电气与信息工程学院

2.湖南省植物保护研究所

3.湖南农业大学资源学院

4.湖南省棉花与蚕桑研究所

5.湖南省常德市澧县农业农村局

6.湖南省棉花协会

关键词： 棉铃检测;YOLOv8n;深度学习

期刊名称： 棉花学报

ISSN： 1002-7807

年卷期： 2025 年 37 卷 004 期

页码： 350-360

收录情况： 北大核心 ; CSCD

摘要： 【目的】棉花产量预测是我国棉花生产管理的重要环节，而吐絮期棉铃检测的准确性直接影响产量估算的精度。为解决现有棉铃检测模型因追求检测精度而导致计算复杂度显著增加的难题，本研究提出了1种基于改进YOLOv8n的轻量级棉铃检测模型Slim-YOLOv8n。【方法】以YOLOv8n为主体框架，一方面在颈部结构集成了轻量级跨尺度特征融合网络，实现多尺度特征融合的有效降维，降低计算复杂度；另一方面通过重参数化卷积和共享思想对检测头进行重构，设计重参数化检测头并构建双阶段特征处理流，实现精度保持与模型的轻量化。【结果】该模型在检测精度高达98.20%的情况下，与YOLOv8n模型相比，参数量降低44.84%，计算量减少39.51%，模型大小压缩43.34%，验证了模型改进的优越性。【结论 】Slim-YOLOv8n充分满足棉铃检测任务对高精度和轻量化的双重需求，为棉花产量预测中吐絮期棉铃的高效精准检测提供有力技术支持。