长江信息通信杂志

摘要：本研究提出了一种基于改进YOLOv8n的茶叶嫩芽识别方法,为名优茶智能采摘装备研发提供技术支撑。通过多角度拍摄及标注、翻转等数据增广构建数据集,在YOLOv8n基础上设计融合CBAM+SimAM双注意力机制的C2f-Tro特征提取模块,同时对损失函数进行参数微调,并对Neck与Head结构进行轻量化融合优化。实验结果表明:改进模型精确率达到53.43%,较原始YOLOv8n基线模型提升27.42%,较单CBAM改进模型提升26.41%;召回率提升至29.55%,mAP50与mAP50-95分别达到24.51%与11.3%,各项指标均优于基线模型与单一注意力改进模型。

关键词： 改进YOLOv8n;C2f-Tro;茶叶嫩芽;图像识别;双注意力机制;

基金资助： 省级大学生创新训练项目《Smart Pick——基于智能识别与定位的半自动化茶叶采摘设备》（项目编号：S202512746034）;《Smart pick——基于智能识别的半自动化茶叶采摘设备》（项目编号：DC202556）；

DOI： 10.20153/j.issn.2096-9759.2026.05.010

专辑： 信息科技;农业科技

专题： 农业工程;计算机软件及计算机应用

分类号： TP391.41;S225.99