Light-FC-YOLO：新しい効率的な検出ヘッドを用いた強化機能融合に基づく軽量な花カウント方法

花の迅速かつ正確なカウントと位置決めは、自動化された花栽培生産の基盤です。しかし、高密度の花を複雑な背景に対してカウントし位置決めすることは依然として課題です。そこで、本論文では、YOLOv8sに基づく軽量の花カウントと位置決めモデル、Light-FC-YOLOを提案します。軽量な畳み込みを統合することで、このモデルはよりポータブルで展開可能です。また、新しい効率的な検出ヘッド、Efficient head、およびLSKA大カーネル注意メカニズムの統合を提案し、モデルの機能の詳細抽出能力を強化し、ネットワーク内の浅いエッジとキーポイント情報の重み比を変更します。最後に、ターゲット角度偏差計算を含むSIoU損失関数を導入し、モデルの検出精度とターゲット位置決め能力を向上させます。実験結果は、モデルサイズを27.2%削減し、パラメータを39.0%削減したLight-FC-YOLOが、Mean Average Precision（mAP）およびリコールにおいてそれぞれYOLOv8sよりも0.8%および1.4%高いことを示しています。カウント比較実験では、Light-FC-YOLOの決定係数（R2）と平方根平均二乗誤差（RMSE）はそれぞれ0.9577と8.69に達し、YOLOv8sなどの軽量モデルを上回りました。本論文で提案する軽量な花検出方法は、花の位置決めとカウントタスクを効率的に完了できるため、自動化された花生産管理に対する技術的サポートと参考ソリューションを提供します。