1 中国热带农业科学院科技信息研究所，海南 海口 571101
2 海南省热带作物信息技术应用研究重点实验室，海南 海口 571101
针对传统目标检测算法在处理多尺度目标时准确率不足的问题，提出一种基于YOLOv8网络的改进算法。通过引入渐进特征金字塔网络（AFPN），来增强模型对多尺度特征的提取能力，使其在识别不同尺寸目标时具备更高的适应性和鲁棒性。同时，结合数据增强技术与优化的训练策略，进一步提升模型的泛化能力。在多个公开数据集上进行实验，结果表明所提算法在目标检测精度方面显著优于Faster R-CNN、RetinaNet和YOLOv8原始网络结构。此外，在自制芒果数据集上的实验表明，所提方法在多尺度目标识别方面表现较突出。所提方法不仅为目标检测算法的优化提供了新思路，而且为农业及其他领域中的多尺度目标检测任务提供了有效参考。
YOLOv8 渐进特征金字塔结构 尺度变化 数据增强 芒果计数 激光与光电子学进展
2025, 62(14): 1415002
