-
题名基于改进YOLOv8n算法的浆果园内果蝇识别研究
- 1
-
-
作者
王威
杨健晟
张梅
陈哲
张群英
刘聂天和
-
机构
贵州大学电气工程学院
贵州省植物园
贵州电网有限责任公司贵阳花溪供电局
-
出处
《山东农业科学》
北大核心
2025年第2期172-180,共9页
-
基金
国家自然科学基金青年科学基金项目(62003106)
贵州省科技支撑计划项目(黔科合支撑〔2022〕一般133,黔科合支撑〔2022〕一般017)。
-
文摘
为了提高浆果园内果蝇的识别效率,以有效指导果蝇防治,本研究以YOLOv8n模型为基准框架,通过结构改进构建了轻量级的果蝇识别算法。具体而言,使用GhostNetV2 bottleneck替代YOLOv8n主干部分所有C2f模块的残差块,构建了全新的C2fGhostV2模块,以降低计算代价并提升识别性能;通过添加卷积层和增加跳跃连接对BiFPN重构,设计了更高效的L-BiFPN结构,替代YOLOv8n颈部的FPN+PAN结构,以提高特征融合效率和表达能力;采用MBConv替代YOLOv8n颈部所有C2f模块的残差块,构建了全新的C2fMBC模块,以提高计算效率并增强对特征的复用能力。实验结果表明,本研究提出的改进YOLOv8n算法的参数、权重和浮点运算次数(FLOPs)比原始YOLOv8n降低48.50%、43.98%和32.10%,精准率、召回率以及平均精确率均值(mAP)分别为97.40%、96.60%和98.32%,明显优于原算法。总体来说,本研究的改进YOLOv8n在显著降低算法复杂度的同时提高了识别精度,具有轻量化和易部署的特性,可以满足浆果园内移动端果蝇识别任务的需求,从而为果农精准防治果蝇提供参考。
-
关键词
果蝇识别
YOLOv8n
GhostNetV2
BiFPN
C2fMBC
-
Keywords
Fruit fly identification
YOLOv8n
GhostNetV2
BiFPN
C2fMBC
-
分类号
S126
[农业科学—农业基础科学]
S436.63
[农业科学—农业昆虫与害虫防治]
-
-
题名基于深度学习的果蝇识别
- 2
-
-
作者
杨昊
傅钰雯
杨健晟
-
机构
贵州大学电气工程学院
贵州交通职业技术学院
-
出处
《河南科技》
2021年第13期13-15,共3页
-
基金
贵州省科学技术基金项目(黔科合基础〔2018〕1030)
贵州省教育厅创新群体(黔教合KY字〔2021〕012)。
-
文摘
识别果蝇并根据其数量变化总结出果蝇暴发规律,在其暴发期到来前采用相应手段进行诱杀,是有效加强树莓虫害防控的综合措施。但是,由于果蝇躯体小,人工识别难度大、耗时长、效率低,因此本文提出一种基于深度学习的果蝇识别方法。该方法采用YOLO v3目标检测模型,通过建立果蝇数据集对模型进行训练。测试结果表明,该方法对果蝇的平均识别精度为95.23%,满足果蝇识别的要求。
-
关键词
计算机视觉
果蝇识别
深度学习
YOLO
v3
-
Keywords
computer vision
drosophila recognition
deep learning
YOLO v3
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
