申请/专利权人：西安工程大学

申请日：2023-06-12

公开（公告）日：2023-10-27

公开（公告）号：CN116958962A

主分类号：G06V20/68

分类号：G06V20/68;G06V10/25;G06V10/774;G06V10/764;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2023.10.27#公开

摘要：本发明公开了一种基于改进YOLOv8s的疏果前石榴果实检测方法，该方法包括：采集多张石榴的原始图像并使用“makesense”进行标注处理，生成“.txt”文件；对原始图像进行扩充，分别增强和减弱亮度、色度、对比度和锐度，同时添加高斯噪声，得到构建的数据集；通过添加注意力机制CBAM和小目标检测层来构建改进的YOLOv8s网络；定义损失函数Loss；将构建的数据集随机按7:3的比例划分训练集和验证集；使用训练集来训练改进的YOLOv8检测模型，同时开启在线数据增强和标签平滑并保存权重文件，通过验证集验证改进的YOLOv8s检测模型效果。采用该方法对数据集检测精度达到了99.1％，更好的提取了目标特征的同时，提升了目标检测的精度。

主权项：1.一种基于改进YOLOv8s的疏果前石榴果实检测方法，其特征在于，包括以下步骤：采集多张石榴的原始图像并使用“makesense”进行标注处理，生成“.txt”文件；对所述原始图像进行扩充，分别增强和减弱亮度、色度、对比度和锐度，同时添加高斯噪声，构建数据集；对YOLOv8s引入CBAM注意力机制、添加小目标检测层来构建改进的YOLOv8s网络；定义损失函数Loss；将构建的数据集随机按7:3的比例划分训练集和验证集；将所述训练集输入到改进的YOLOv8s检测网络中进行训练并保存权重文件，训练时开启数据增强与标签平滑，通过所述验证集验证改进的YOLOv8s检测模型效果。

全文数据：

权利要求：

百度查询： 西安工程大学 一种基于改进YOLOv8s的疏果前石榴果实检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD