个人卖家：
科技与几何感
创建于：2025-08-25
YOLOv10-LGDA：柑橘果实缺陷检测改进算法
￥199.00
| 使用环境 |
在柑橘种植园中，使用工业相机在自然光照条件下采集柑橘果实图像，相机镜头距离柑橘果实约 30 50cm，镜头垂直于柑橘果实表面拍摄，图像分辨率 640×640 像素，输入网络图像尺寸调整为 640×640 像素。 |
| 使用对象 |
柑橘果实表面的缺陷，重点关注四种疾病：柑橘黑斑病、柑橘疮痂病、柑橘黄龙病和柑橘黑腐病。 |
| 使用目的 |
准确识别柑橘果实表面的缺陷，提高柑橘果实质量检测效率，减少人工检测的漏检率和误检率，保障柑橘产业的可持续发展。 |
| 输入数据 |
柑橘果实图像帧 |
| 输出数据 |
缺陷类型（柑橘黑斑病、柑橘疮痂病）、缺陷位置坐标、缺陷尺寸信息 |
| 硬件配置 |
CPU：AMD Ryzen 9 7945HX
GPU：NVIDIA GeForce RTX 4060
内存：32GB |
| 样本获取 |
使用工业相机在柑橘种植园采集图像，共 1270 张图像，图像大小为 640×640 像素，网络输入图像尺寸调整为 640×640 像素。将图像随机分为训练样本、验证样本和测试样本，其中 80% 为训练样本，10% 为验证样本，10% 为测试样本。 |
| 测试结果 |
在测试集上，YOLOv10-LGDA 模型的准确率为 98.7%，召回率为 95.9%，mAP@50 为 97.7%，mAP@50:95 为 94.0%。 |
| 执行速度 |
30 帧 / 秒 |
| 资源消耗 |
针对上述硬件配置，运行算法时，CPU 平均占用率约为 40% 50%，GPU 平均占用率约为 70% 80%，内存使用占比约 40% 50%，模型计算过程中产生的中间变量内存为约 1GB。 |
| 源码类型 |
Python 版本源码 |
| 文件大小 |
算法程序文件30KB，权重文件56MB。 |
| 相关备注 |
本算法基于 YOLOv10 框架，通过引入 LDConv、GFPN、DAT 和 AFPN 模块，以及 Slide Loss 函数，针对柑橘果实缺陷检测进行了优化，能够有效解决小目标缺陷检测的难题，缺陷遮挡、密集分布等情况，在保证检测精度的同时，模型计算资源消耗低，适合部署在智能农业设备上，具有较高的实用性和农业应用价值。 |
