期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLO v8-STSF的多类别害虫识别算法与监测系统研究
1
作者
王兴旺
查海涅
+5 位作者
卢浩男
王禹彬
吴东昇
王旭峰
胡灿
陈学永
《农业机械学报》
北大核心
2025年第6期228-236,共9页
水稻害虫危害十分巨大,不仅对水稻造成直接的生理破坏,还传播病害,严重时导致稻田绝收,造成难以估量的损失。水稻害虫精准识别与实时监测是减少农业损失的关键,针对虫情测报灯图像中害虫密集、体态差异细微及小目标漏检等问题,提出一种...
水稻害虫危害十分巨大,不仅对水稻造成直接的生理破坏,还传播病害,严重时导致稻田绝收,造成难以估量的损失。水稻害虫精准识别与实时监测是减少农业损失的关键,针对虫情测报灯图像中害虫密集、体态差异细微及小目标漏检等问题,提出一种基于YOLO v8-STSF模型的水稻害虫智能识别方法。通过引入Swin Transformer模块增强骨干网络的多尺度特征提取能力,结合分布移位卷积(DSConv)优化颈部网络特征融合,并采用Focal EIoU损失函数提升密集小目标定位精度。构建了包含多类水稻害虫的7000幅图像数据集进行识别验证,YOLO v8-STSF模型在测试集上的精确率为95.45%、召回率为90.45%、F1值为90.03%,较原YOLO v8模型分别提升2.13、0.33、3.09个百分点,在PC端的推理速度为32 f/s,满足实时需求。同时以Web端监测系统为基础,设计基于Android移动端的虫情监测系统,在田间测试中系统平均响应时间为1.38 s,识别准确率为96.34%,漏检率为3.86%。研究结果可为水稻害虫精准防控提供高效技术支持,推动农业病虫害监测智能化发展。
展开更多
关键词
多类别害虫
害虫识别
YOLO
v8-STSF
监测系统
ANDROID
在线阅读
下载PDF
职称材料
题名
基于YOLO v8-STSF的多类别害虫识别算法与监测系统研究
1
作者
王兴旺
查海涅
卢浩男
王禹彬
吴东昇
王旭峰
胡灿
陈学永
机构
福建农林
大学
机电工程
学院
安庆师范大学计算机学院
塔里木
大学
机械电气化工程
学院
出处
《农业机械学报》
北大核心
2025年第6期228-236,共9页
基金
安徽省科技重大专项(202203a06020007)
福建省重点科技创新研究项目(2023XQ005)
安徽省高校创新团队项目(2023AH010039)。
文摘
水稻害虫危害十分巨大,不仅对水稻造成直接的生理破坏,还传播病害,严重时导致稻田绝收,造成难以估量的损失。水稻害虫精准识别与实时监测是减少农业损失的关键,针对虫情测报灯图像中害虫密集、体态差异细微及小目标漏检等问题,提出一种基于YOLO v8-STSF模型的水稻害虫智能识别方法。通过引入Swin Transformer模块增强骨干网络的多尺度特征提取能力,结合分布移位卷积(DSConv)优化颈部网络特征融合,并采用Focal EIoU损失函数提升密集小目标定位精度。构建了包含多类水稻害虫的7000幅图像数据集进行识别验证,YOLO v8-STSF模型在测试集上的精确率为95.45%、召回率为90.45%、F1值为90.03%,较原YOLO v8模型分别提升2.13、0.33、3.09个百分点,在PC端的推理速度为32 f/s,满足实时需求。同时以Web端监测系统为基础,设计基于Android移动端的虫情监测系统,在田间测试中系统平均响应时间为1.38 s,识别准确率为96.34%,漏检率为3.86%。研究结果可为水稻害虫精准防控提供高效技术支持,推动农业病虫害监测智能化发展。
关键词
多类别害虫
害虫识别
YOLO
v8-STSF
监测系统
ANDROID
Keywords
multi-category pests
pest identification
YOLO v8 STSF
monitoring system
Android
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLO v8-STSF的多类别害虫识别算法与监测系统研究
王兴旺
查海涅
卢浩男
王禹彬
吴东昇
王旭峰
胡灿
陈学永
《农业机械学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
