申请/专利权人：华南农业大学

申请日：2023-12-12

公开（公告）日：2024-03-12

公开（公告）号：CN117690065A

主分类号：G06V20/50

分类号：G06V20/50;G06V10/44;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明公开了一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，该方法可实现自然环境下精准检测被小绿叶蝉叮咬的不同程度茶青。方法包括：采集自然场景下不同叮咬程度的茶青图片；构建数据集；建立改进YOLOV8网络模型。具体包括：选取YOLOv8s网络模型；引入CloAttention注意力机制添加到YOLOV8主干网络中的C2F模块；引入AFPN渐进特征金字塔网络；使用MPDIoU作为计算边界框回归的损失函数；训练改进的网络模型；网络模型部署及终端调用。本发明提出了一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，解决了自然场景下不同叮咬程度蝉茶难以检测，现有算法检测精度低的问题。

主权项：1.一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，其特征在于，所述方法包括：S1:获取自然场景下不同叮咬程度的蝉茶图像；S2:对上述图像进行预处理，得到自然场景下蝉茶数据集；S3:搭建基于改进YOLOV8模型的自然场景下蝉茶目标检测模型；S4:训练改进的YOLOV8模型；S5:将改进的YOLOV8模型剪枝并部署到服务器；S6:终端设备调用上述模型接口，获取检测结果。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于改进YOLO模型的自然场景下蝉茶图像检测方法

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