计算机工程

作者：张佳承, 韦锦, 陈义时

单位：1. 广西大学机械工程学院, 广西 南宁 5300042. 广西机械工业研究院有限责任公司, 广西 南宁 530004

关键词：YOLOv8算法,目标检测,C2f_ModuGhost+模块,分组空间卷积轻量级卷积,Focal-WIoU损失函数,对抗训练

基金：国家自然科学基金(52365001); 广西创新驱动发展项目(GuiKeAA23023011)

针对道路两侧绿篱修剪的目标检测过程中对算法实时性、轻量化的要求以及算法在实际检测中的精度和光照鲁棒性问题，提出一种基于YOLOv8n的算法MGW-YOLO，并给出一种新的C2f_ModuGhost+模块来替换主干网络中的C2f模块，其中设计的调制可变形卷积增加了偏移量特征通道数，以加速模型的推理，增强算法实时性。在颈部网络中引入分组空间卷积(GSConv)轻量级卷积技术和slim-neck设计范式，并通过融合标准卷积、深度可分离卷积和Shuffle模块的思想，降低模型的参数量，实现模型的轻量化。设计一种具有双重加权机制的Focal-WIoU损失函数，WIoU中的双层交叉注意力机制可有效降低多个绿篱相连和遮挡时的误检率，并且利用Focal Loss权重因子提升对特殊形状绿篱等难分类样本的检测精度。另外采用TRADES方法的对抗训练策略，在分类问题鲁棒性与精度之间进行有效权衡。实验结果表明，相比基线算法YOLOv8n，MGW-YOLO的mAP@0.5和mAP@0.5 ∶0.95分别提高了3.29和2.87百分点，在无人驾驶底盘上的实验结果表明，MGW-YOLO相较于原始算法的预处理时间、每帧平均推理时间和每帧后处理时间分别降低了0.7 ms、10.7 ms和0.7 ms，检测速度提升了15.7帧/s，适用于绿篱修剪机在道路两侧实时性作业的需求。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期