【摘要】为实现不同品质甘薯的自动化分级，提出一种基于改进YOLOv8的轻量化甘薯品质分级方法。首先该方法将调整后的EdgeNeXt替换原YOLOv8s模型中的主干网络，降低模型的参数量、计算量及权重大小；然后使用SCConv卷积改进的C2f C模块，进一步降低模型的复杂度；考虑到模型因轻量化造成的性能下降，最后使用CARAFE轻量化算子及基于FocalLoss和MPDIo U提出的Focal C-MPDIo U损失函数，替换原模型的上采样模块及损失函数，提高模型检测性能。实验结果显示，改进后的轻量化模型的参数量、计算量和权重大小相比原模型分别下降了38.3%、32.7%和37.8%，精确率和平均精度均值分别提升了0.3和0.9个百分点。对比Faster RCNN、SSD、YOLOv3、YOLOv7-tiny，改进后的模型在模型复杂度及检测性能上具有显著优势，研究结果可为后续甘薯品质分级设备的视觉模块部署提供参考，为甘薯品质自动化分级提供技术支持。