您当前的位置: > 详细浏览

基于改进YOLOv8s 的玫瑰鲜切花分级方法 后印本

请选择邀稿期刊:

Grading Method of Fresh Cut Rose Flowers Based on Improved YOLOv8s

摘要: [目的/意义]针对当前玫瑰鲜切花分级仍依赖人工进行简单分级,造成效率低、准确率低等问题,提出 一种新的模型Flower-YOLOv8s来实现玫瑰鲜切花的分级检测。[方法]以单一背景下单支玫瑰花的花头作为检测 目标,将鲜切花分为A、B、C、D四个等级,对YOLOv8s(You Only Look Once version 8 small) 模型进行了优化改 进。首先,构建了一个全新的玫瑰鲜切花分级检测数据集。其次,在YOLOv8s的骨干网络分别添加CBAM(Con⁃ volutional Block Attention Module) 和SAM(Spatial Attion Module) 两个注意力机制模块进行对比实验;选择SAM模 块并对其进一步优化,针对模型轻量化需求,再结合深度可分离卷积模块一起添加到C2f结构中,形成Flower- YOLOv8s模型。[结果和讨论]从实验结果来看YOLOv8s添加SAM的模型具有更高的检测精度,mAP@0.5达到 86.4%。Flower-YOLOv8s相较于基线模型精确率提高了2.1%,达到97.4%,平均精度均值(mAP) 提高了0.7%, 同时降低了模型参数和计算量,分别降低2.26 M和4.45 MB;最后使用相同的数据集和预处理方法与Fast-RCNN、 Faster-RCNN、SSD、YOLOv3、YOLOv5s和YOLOv8s进行对比实验,证明所提出的实验方法综合强于其他经典 YOLO模型。[结论]提出的基于改进YOLOv8s的玫瑰鲜切花分级方法研究能有效提升玫瑰鲜切花分级检测的精准 度,为玫瑰鲜切花分级检测技术提供一定的参考价值。

版本历史

[V1] 2024-06-17 23:19:49 ChinaXiv:202406.00273V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量308
  •  下载量99
评论
分享