종자 순도는 농민의 수확과 소득을 결정하는 핵심 요소이며, 빠르고 정확한 품종 식별 기술은 종자 순도를 보장하는 핵심입니다. 본 연구는 LED 백색광 영상과 YOLOv8 모델 융합 기반의 옥수수 종자 무손상 검사 방법을 제안하였으며, 실험을 통해 이 방법이 빠르고 효율적이며 고정밀 및 무손상이라는 장점을 동시에 갖추었음을 입증하였습니다. 최적화된 LED 백색광 반사 영상 시스템을 구축하여 4가지 옥수수 품종 총 12,008립의 종자 이미지 수집 및 라벨링을 완료하였습니다. 비교 실험 결과, YOLOv8m 모델이 경량화된 YOLOv8s 모델 대비 주요 핵심 지표에서 현저히 우수하여 형태가 유사한 품종 인식 정확도 부족 문제를 효과적으로 해결하였습니다. 해당 모델은 4개 품종에 대해 평균 정밀도(AP), 재현율(Recall, R), F1 점수가 모두 99.8%에 도달했으며, mAP@0.5 값은 99.4%에 달했습니다. 실시간성 테스트에서 YOLOv8m의 단일 이미지 처리 시간은 68.6ms로, 낮은 지연 시간을 요구하는 종자 선별 시스템 요구를 충족하였습니다. 연구는 또한 데이터셋 규모가 모델 성능에 미치는 영향 규칙을 밝혀냈으며, YOLOv8m이 다양한 규모 데이터셋에서도 뛰어난 안정성을 유지함을 증명하였습니다. 본 연구는 종자 품종 인식 분야에 정확하면서도 실용적인 기술적 해결책을 제시합니다.

옥수수 종자;품종 인식;딥러닝;YOLOv8