-
题名基于改进YOLOv8的柠檬果实识别方法
- 1
-
-
作者
刘愚成
梁新成
李法霖
张峰菱
李云伍
-
机构
西南大学工程技术学院
-
出处
《西南大学学报(自然科学版)》
北大核心
2025年第7期219-230,共12页
-
基金
国家自然科学基金项目(52405294)
贵州省科技计划项目(黔科合支撑〔2021〕一般171)。
-
文摘
为了解决人工采摘柠檬果实成本高、效率低下等问题,实现在复杂环境下对柠檬果实的快速精准识别,提出一种基于改进YOLOv8模型的柠檬果实识别方法。首先,在主干网络中引入SPDConv模块来提升模型对低分辨率图像和小目标的检测精度;然后,加入EMA注意力机制来有效提取被遮挡柠檬的特征;最后,将CIoU边界框损失函数替换为Wise-IoU以降低对高质量锚框的依赖并增强模型的泛化能力。在自建数据集上进行测试,结果表明:YOLOv8-SEW模型的精确率、召回率、平均精度均值分别为94.5%、85.7%及92.4%,与改进前相比分别提升1.0%、4.2%和2.9%。单幅图像的检测时间为44.8 ms,可以实现柠檬的快速准确识别,为实现自动化柠檬果实采摘提供技术基础。
-
关键词
柠檬识别
YOLOv8
spd卷积模块
Wise-IoU损失函数
注意力机制
-
Keywords
recognition of lemon fruits
YOLOv8
spd convolution module
Wise-IoU loss function
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
S23
[农业科学—农业机械化工程]
-
-
题名一种用于低分辨率小目标的水下垃圾检测算法
- 2
-
-
作者
韩丽
马春海
林志浩
刘岩
-
机构
郑州轻工业大学计算机与科学技术学院
-
出处
《科学技术与工程》
北大核心
2024年第35期15126-15136,共11页
-
基金
河南省重点研发与推广项目(科技攻关)(222102210015,242102211008)
河南省科技研发计划联合基金项目(青年科学家)(225200810098)。
-
文摘
水下垃圾检测是水下机器人处理水下垃圾的关键技术。然而,水下环境的复杂多变和光照条件的不佳,以及传统卷积神经网络(convolutional neural networks,CNN)模型中步长卷积导致的细节信息丢失和低分辨率图像表现不佳等问题,限制了现有模型的准确度和速度。为了解决这些问题,提出了一种新型的水下垃圾检测算法SPDC-YOLOv8(small proposal detection convolution-YOLOv8)。该算法在YOLOv8的主干网络中采用了基于自适应空间分解的CNN模块SPD-Conv(space-to-depth convolution),替换了步长卷积,从而提高了模型对低分辨率图像和小物体检测的精确性。同时,在模型的上采样过程中使用了CARAFE(content-aware reassembly of features)算子,增强了水下垃圾的语义信息和特征表达能力,进而提高了目标检测的鲁棒性。实验结果表明,提出的方法在trash_ICRA19数据集和TrashCan数据集上分别获得了98.6%和91.2%的准确率,相比原始YOLOv8模型分别提高了0.3%和0.8%,计算时间均为2.6 ms。本文中所提出的改进后的YOLOv8算法更适应水下复杂环境的检测任务。
-
关键词
水下垃圾检测
spd卷积
上采样算子
YOLOv8
-
Keywords
underwater trash detection
spd-Conv
upsampling operator
YOLOv8
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
