-
题名基于改进YOLO v8s的葡萄叶片病害检测
被引量：1
- 1
-
-
作者
张立强
武玲梅
蒋林利
黄鸿柳
-
机构
广西科技师范学院人工智能学院
南京师范大学计算机与电子信息学院/人工智能学院
-
出处
《江苏农业科学》
北大核心
2024年第21期221-228,共8页
-
基金
国家自然科学基金(编号:42065004)
广西高校中青年教师科研基础能力提升项目(编号:2023KY0884)
广西创新驱动发展专项(科技重大专项)(编号:桂科AA21077018)。
-
文摘
针对葡萄叶片病害检测技术存在特征提取能力不足、精度不高、漏检等问题,以葡萄叶片3种病害为研究对象,提出一种基于YOLO v8s改进的检测模型。在主干网引入全局注意力机制,通过融合跨维度信息,增强主干特征提取能力。在主干网末端,引入动态蛇形卷积替换原算法的卷积网络,增强网络对几何变形的感知,以更高的精度捕获图像中复杂几何特征。在输出端改进边框位置回归损失函数,引入Focal-EIoU损失函数,平衡不同类别和不同质量的样本,提高边界框的回归精度。在输出端通过增加小目标检测头,提高算法对小目标的检测性能。结果表明,改进后的模型在mAP@0.5、mAP@0.5∶0.95分别达到90.9%、58.0%,相比YOLO v8s提高了4.5、3.1百分点;FPS达到132.6帧/s,满足实时检测要求,并且与其他5种非基线代表性检测模型相比,具有更高的检测精度和速度,为葡萄病害检测提供了一种更优的方法,对于防治葡萄病害具有重要意义。
-
关键词
葡萄病害
YOLO
v8
注意力机制
动态蛇形卷积
小目标检测
-
分类号
S126
[农业科学—农业基础科学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
