期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进YOLOv8n的花生荚果与果仁图像识别及精准计数
1
作者 张怡 邵利敏 +3 位作者 刘攀 周亚鑫 安乐佳 郝炎林 《华南农业大学学报》 北大核心 2025年第6期810-820,共11页
【目的】花生Arachis hypogaea L.样本准确计数是考种过程中百粒质量和千粒质量测定的关键环节。针对实际测定中花生样本相互重叠易造成漏检等问题,通过改进YOLOv8n模型开展花生荚果与果仁图像精准识别与目标统计研究。【方法】在原模型... 【目的】花生Arachis hypogaea L.样本准确计数是考种过程中百粒质量和千粒质量测定的关键环节。针对实际测定中花生样本相互重叠易造成漏检等问题,通过改进YOLOv8n模型开展花生荚果与果仁图像精准识别与目标统计研究。【方法】在原模型YOLOv8n主干网络中引入MLCA(Mixed local channel attention)注意力机制,减少背景噪声干扰,增强对重叠样本的检测能力,从而降低漏检率;在C2f模块中加入SCConv(Spatial and channel reconstruction convolution)模块,提高模型对重叠区域中不同花生边界特征的学习,突出单个花生荚果和果仁的真实边界;将检测头替换为LSCD(Lightweight shared convolutional detection),减少模型参数量,增强特征图之间的全局信息融合能力,优化特征图的提取与融合方式,提高模型检测速度。【结果】改进的MSLYOLOv8n模型包含3383663个参数,对花生荚果、果仁计数的平均精度均值(mAP_(50-95))分别为90.9%、91.7%,精确率为98.1%、99.8%,召回率为97.2%、99.7%,每秒帧数为245.8。与原模型相比,对花生荚果与果仁的mAP_(50-95)提高了1.7和1.1个百分点,性能明显优于SSD、YOLOv10n等模型。【结论】改进模型精确率高,实时处理速度快,具有较好的鲁棒性,可为花生考种过程中精准计数提供技术支撑。 展开更多
关键词 花生 目标检测 样本计数 YOLOv8n 注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部