YOLOv8算法分类识别机收甘蔗杂质的研究

打开文本图片集

关键词机收甘蔗；YOLOv8；杂质；分类；识别中图分类号S225 文献标识码A文章编号 0517-6611（2025）08-0200-05doi：10.3969/j.issn.0517-6611.2025.08.041

开放科学（资源服务）标识码（OSID）：

AbstractInvieoftesugarfactoriesrelyentirelyonmanualjudgmentofteimpurityontentinmechanicallyharestedsugarcaehich ishighlysubetiedckssetifsissedpgestoexpeasifatiodcoofimprih callyharvestedsugarcaneeainfocusdbenuildanmageacquisionplatfoanddtaset，selected，aidut，nddsigdhadwareuchasomputersustralameras，ndligsuceseOoritadedtoraindtectatasefoasification，used recall，precision，and average precision mean quantitative evaluation of the detection results，showed that the YOLOv8 algorithm achieved an average accuracy of 7 7 . 4 % in classifying and recognizing machine harvested sugarcane，efectively distinguishingitsdifetoots.solsahillrinfudatiofoubseeeiofipuritotce harvested sugarcane.

KeywordsMachine-harvested sugarcane；YOLOv8；Impurity；Classify；Identify

我国是全球第三大甘蔗生产国[，对于机械化作业需求很高，其中机械化收获在多年的发展中取得了一定进步，但收获后会混有不同种类杂质，如蔗梢、蔗叶、泥沙等，而杂质含量是影响制糖产糖率和经济效益高低的关键因素之一[2]同时会造成糖厂设备使用寿命缩短、生产成本增加以及一级糖料出糖率降低等。（剩余6738字）