La pureza de la semilla es un factor clave que determina la cosecha e ingresos de los agricultores, y la tecnología de identificación rápida y precisa de variedades es el núcleo para garantizar la pureza de la semilla. Este estudio propone un método de detección no destructiva de semillas de maíz basado en la fusión de imágenes con luz blanca LED y el modelo YOLOv8. Los experimentos confirman que este método combina rapidez, alta eficiencia, alta precisión y carácter no destructivo. Mediante la construcción de un sistema optimizado de imágenes reflectantes con luz blanca LED, se recolectaron y etiquetaron imágenes de 12,008 semillas de cuatro variedades de maíz. Los experimentos comparativos muestran que los principales indicadores del modelo YOLOv8m son significativamente mejores que los del modelo ligero YOLOv8s, resolviendo efectivamente el problema de la baja precisión en el reconocimiento de variedades con morfologías similares. El modelo logró un promedio de precisión (AP), recall (Recall, R) y puntaje F1 para cuatro variedades de 99.8%, con un valor mAP@0.5 de hasta 99.4%. En las pruebas en tiempo real, el procesamiento de una sola imagen con YOLOv8m lleva 68.6 ms, satisfaciendo las necesidades del sistema de clasificación de semillas con baja latencia. El estudio también reveló las reglas del impacto del tamaño del conjunto de datos sobre el rendimiento del modelo, confirmando que YOLOv8m mantiene una estabilidad sobresaliente en conjuntos de datos de diferentes escalas. Esta investigación proporciona una solución técnica precisa y práctica en el campo del reconocimiento de variedades de semillas.

semillas de maíz;reconocimiento de variedades;aprendizaje profundo;YOLOv8