基于改进YOLOv10的轻量级黄花菜分级检测模型.pdf

2024年9月第6卷第5期智慧农业（中英文）SmartAgricultureSept.2024Vol.6,No.5

基于改进YOLOv10的轻量级黄花菜分级检测模型

1，21，2*1，2

靳学萌，梁西银，邓鹏飞

（1.西北师范大学物理与电子工程学院，甘肃兰州730070，中国；2.甘肃省智能信息技术与应用工程研究中心，

甘肃兰州730070，中国）

摘要：［［目的目的/意义意义］］在农业生产的后期，对干制黄花菜等级进行准确分类至关重要。针对现有目标检测模型在

干制黄花菜分级任务中精度不足及参数过多的问题，提出一种轻量级的YOLOv10-AD网络模型。［［方法方法］］该模型

设计了全新的骨干网络AKVanillaNet，针对干制黄花菜的特殊形状特征进行了优化，显著提升了检测精度，同时

降低了模型的参数和计算成本。此外，还将DysnakeConv模块嵌入C2f结构中，进一步增强了对干制黄花菜特征的

提取能力，并通过采用Powerful-IOU（PIOU）损失函数，更好地拟合数据，提升模型性能。［［结果和讨论结果和讨论］］在干制

黄花菜等级分类的数据集上的测试结果表明，YOLOv10-AD模型的平均准确率mAP（MeanAveragePrecision）达

到了85.7%，其参数量、计算量和模型大小分别为2.45M、6.2GFLOPs和5.0M，帧率FPS（FramesPerSecond）为

156。与基准模型相比，YOLOv10-AD不仅将mAP提升了5.7%，FPS提升了25.8%，同时还将参数量、计算量及模

型大小分别降低9.3%、24.4%和9.1%，不仅提升了检测精度，还降低了模型的部署难度。［［结论结论］］提出的YO⁃

LOv10-AD网络模型能够在不同光照条件下对干制黄花菜进行精准分类，且具有较好的实时性，为干制黄花菜等

级的智能分类提供了有效的技术参考。

关键词：YOLOv10；轻量化；分级检测；目标检测；AKVanillaNet

中图分类号：TP181文献标志码：A文章编号：SA202407022

引用格式：靳学萌,梁西银,邓鹏飞.基于改进YOLOv10的轻量级黄花菜分级检测模型[J].智慧农业(中英文),2024,6

(5):108-118.DOI：10.12133/j.smartag.SA202407022

JINXuemeng,LIANGXiyin,DENGPengfei.LightweightDaylilyGradingandDetectionModelBasedonImprovedYO‐

LOv10[J].SmartAgriculture,2024,6(5):108-118.DOI：10.12133/j.smartag.SA202407022(inChinesewithEnglishab‐

stract)

0引言结果不稳定和不准确。此外，人工操作在处理黄花

菜时，可能会导致不同程度的物理损伤，从而影响

黄花菜（Hemerocalliscitrina）是一种常见的

黄花菜的外观品质和市场价值。因此，开发自动

食用花卉，具有丰富的营养价值及药用价值。在中

化、高效且可靠的黄花菜分级技术已成为行业迫切

国，经过干制处理的黄花菜（又称金针菜）是餐桌

上的常