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的密集分布猕猴桃花期检测方法
1
作者 刘建江 李书琴 《农业工程学报》 北大核心 2025年第12期172-181,共10页
为解决不同花期猕猴桃花朵大量遮挡、重叠现象导致检测困难的问题,该研究提出一种基于改进YOLOv8n的密集分布猕猴桃花期检测模型YOLOv8-KFP。首先,以YOLOv8n为基准模型,采用StarBlock改进YOLOv8n的C2f,保持模型轻量同时增强特征表达能... 为解决不同花期猕猴桃花朵大量遮挡、重叠现象导致检测困难的问题,该研究提出一种基于改进YOLOv8n的密集分布猕猴桃花期检测模型YOLOv8-KFP。首先,以YOLOv8n为基准模型,采用StarBlock改进YOLOv8n的C2f,保持模型轻量同时增强特征表达能力。其次,引入SSFF(scale sequence feature fusion)模块、TFE(triple feature encoder)模块、DySample上采样器改进Neck网络,动态适应不同尺度、形状、边界的花朵目标,提升模型多尺度信息提取能力,减少对遮挡、重叠猕猴桃花朵的误检和漏检。最后,利用Soft-NMS进行后处理,减少目标候选框的误删。结果表明,YOLOv8-KFP模型的精确率、召回率和平均精度均值分别达到了89.1%、88.7%和92.4%,相比于YOLOv8n模型分别提高了4.9、5.1和3.8个百分点,浮点运算量和参数量分别降低了6.2%和11.6%。与主流目标检测模型SSD、YOLOv9t、YOLOv10n、YOLOv11n和YOLOv12n进行对比,YOLOv8-KFP模型的平均精度均值分别提高了7.0、4.0、5.5、4.2和4.1个百分点,其在花苞期、半开期、全开期和凋落期上的召回率分别为90.8%、85.9%、90.0%和88.1%。YOLOv8-KFP模型在保持模型轻量化的同时提高了检测精度,能够实现对密集分布猕猴桃花期的有效检测,可为猕猴桃花朵的自动化授粉提供技术支撑。 展开更多
关键词 深度学习 目标检测 模型 YOLOv8n 猕猴桃花期 多尺度特征融合
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