申请/专利权人:安徽大学
申请日:2024-03-01
公开(公告)日:2024-05-03
公开(公告)号:CN117975278A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/20;G06V10/774;G06V10/776;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本发明涉及一种基于改进YOLOv8模型的害虫检测识别方法,包括:获取病虫害数据并进行预处理,得到病虫害数据集;对YOLOv8模型进行改进,在YOLOv8模型的Neck层的拼接模块后加入空间注意力模块,将YOLOv8模型的主干网络中的一个卷积层替换为SwimTransformer模块,将YOLOv8模型的损失函数替换为SIoU,得到害虫检测识别模型;采用训练集对害虫检测识别模型进行训练;获取待识别的害虫图像,将待识别的害虫图像输入训练后的害虫检测识别模型,得到检测识别结果。为了提高对害虫检测识别的精度,本发明对原始的YOLOv8模型做出了以下改进,增强了对细粒度特征的提取,极大的提高了对害虫的检测识别精度。
主权项:1.一种基于改进YOLOv8模型的害虫检测识别方法,其特征在于:该方法包括下列顺序的步骤:1获取病虫害数据并进行预处理,得到病虫害数据集,按比例将病虫害数据集分别划分为训练集、验证集和测试集;2对YOLOv8模型进行改进,在YOLOv8模型的Neck层的拼接模块后加入空间注意力模块,将YOLOv8模型的主干网络中的一个卷积层替换为SwimTransformer模块,将YOLOv8模型的损失函数替换为SIoU,得到害虫检测识别模型;3采用训练集对害虫检测识别模型进行训练;4获取待识别的害虫图像,将待识别的害虫图像输入训练后的害虫检测识别模型,得到检测识别结果。
全文数据:
权利要求:
百度查询: 安徽大学 基于改进YOLOv8模型的害虫检测识别方法
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。