您当前的位置: > 详细浏览

基于改进YOLOv8s 的大田甘蓝移栽状态检测算法 后印本

请选择邀稿期刊:

Transplant Status Detection Algorithm of Cabbage in the Field Based on Improved YOLOv8s

摘要: [目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高 识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减 少人力和物力的浪费,研究一种自然环境下高效识别甘蓝移栽状态的算法。[方法]采集移栽后的甘蓝图像,利用 数据增强方式对数据进行处理,输入YOLOv8s(You Only Look Once Version 8s) 算法中进行识别,通过结合可变 形卷积,提高算法特征提取和目标定位能力,捕获更多有用的目标信息,提高对目标的识别效果;通过嵌入多尺 度注意力机制,降低背景因素干扰,增加算法对目标区域的关注,提高模型对不同尺寸的甘蓝的检测能力,降低 漏检率;通过引入Focal-EIoU Loss(Focal Extended Intersection over Union Loss),优化算法定位精度,提高算法的 收敛速度和定位精度。[结果和讨论]提出的算法经过测试,对甘蓝移栽状态的召回率R值和平均精度均值 (Mean Average Precision,mAP) 分别达到92.2%和96.2%,传输速率为146帧/s,可满足实际甘蓝移栽工作对移栽 状态识别精度和速度的要求。[结论]提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别,可 以提升移栽质量测量效率,减少时间和人力投入,提高大田移栽质量调查的自动化程度。

版本历史

[V1] 2024-06-17 23:19:49 ChinaXiv:202406.00274V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量230
  •  下载量69
评论
分享