-
题名基于改进YOLOv8m的小麦仓储粮虫检测方法
被引量：1
- 1
-
-
作者
吕宗旺
王甜甜
孙福艳
祝玉华
-
机构
河南工业大学信息科学与工程学院
粮食信息处理与控制教育部重点实验室
-
出处
《中国农机化学报》
北大核心
2025年第3期108-114,共7页
-
基金
国家重点研发计划(2022YFD2100202)。
-
文摘
害虫是造成仓储小麦损失的重要因素之一,及时检测害虫并采取有效手段能够减少仓储小麦损失。传统人工检测害虫方法存在人工因素影响较大、速度慢的问题,基于深度学习的仓储粮虫检测方法虽然耗时短,但存在模型较大、速度和准确率二者难以平衡的问题。故首先选取YOLOv8m算法作为基础进行改进,接着以更轻量化的网络Shufflenetv2代替Darknet—53;其次,在主干网络末端添加Squeeze—and—Excitation Networks注意力机制获取高质量的特征图,有效提高检测精度;最后,采用WIoUv3 Loss为YOLOv8m的回归损失函数,提高检测的精度和速度。试验结果表明:所提出的改进模型平均精度均值达到95.4%,模型参数量为19.46 M,FLOPs为58.74 G。相比其他模型,精确率更高,模型参数量更低,速度更快,能够为仓储害虫检测提供有效技术支撑。
-
关键词
小麦仓储粮虫
深度学习
小目标检测
注意力机制
轻量化模型
-
Keywords
storage grain insect
deep learning
small target detection
attention mechanism
lightweight model
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
