-
题名基于改进YOLOv8模型的黄花菜花蕾识别研究
- 1
-
-
作者
霍静琦
崔婷婷
薛志璐
-
机构
西安职业技术学院机电工程学院
-
出处
《湖北农业科学》
2025年第7期186-191,共6页
-
文摘
通过深度融合CSPNet与密集连接网络(DenseNet)构建CSPDenseNet骨干模块,将该模块集成到YOLOv8模型,替换主干网络末端的最后2个标准卷积模块,得到改进YOLOv8模型(Dense-YOLOv8)。结果表明,在简单背景、稀疏黄花菜(Hemerocallis citrina Baroni)花蕾场景下,Dense-YOLOv8模型成功识别出全部成熟花蕾;在简单背景、密集黄花菜花蕾场景下,Dense-YOLOv8模型在花蕾检测任务中展现出优异的识别性能,但在处理紧密相邻目标时仍存在部分漏检现象;在复杂背景、密集黄花菜花蕾场景下,Dense-YOLOv8模型成功识别出全部成熟花蕾。Dense-YOLOv8模型的mAP、F1、识别速度、模型大小分别为90.75%、89%、53 f/s、217.68 MB;与YOLOv8模型、Faster R-CNN模型、YOLOv7相比,DenseYOLOv8模型在精简网络结构与参数的同时,显著提升了目标检测的精度与速度。
-
关键词
改进YOLOv8模型
深度学习
黄花菜(hemerocallis
citrina
baroni)
花蕾
识别
-
Keywords
improved YOLOv8 model
deep learning
daylily(hemerocallis citrina baroni)
bud
recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
