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
2
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
基于改进YOLOv8n的轻量化辣椒花目标检测方法
1
作者
匡敏球
李旭
+5 位作者
陈熵
刘大为
向阳
刘峰
吴艳华
谢方平
《农业工程学报》
北大核心
2025年第12期198-207,共10页
辣椒花目标检测是机械授粉的基础,为提高自然环境下辣椒花目标检测的精度,该研究提出了一种基于改进YOLOv8n的轻量化辣椒花目标检测模型YOLOv8n-Chili Flower。首先,在Neck层引入高效多尺度轻量化注意力机制模块EMA(efficient multi-sca...
辣椒花目标检测是机械授粉的基础,为提高自然环境下辣椒花目标检测的精度,该研究提出了一种基于改进YOLOv8n的轻量化辣椒花目标检测模型YOLOv8n-Chili Flower。首先,在Neck层引入高效多尺度轻量化注意力机制模块EMA(efficient multi-scale attention),提升模型对辣椒花特征的识别能力,从而增强检测的灵敏度和准确性;其次,在模型的Backbone层将C2f模块替换为GSConv(group separable convolution)模块,减少不必要的信息冗余,防止特征信息丢失,在提高注意力机制模块效果的同时,降低了模型的复杂度;最后,采用WIoU(weighted intersection over union)损失函数替换CIoU(complete intersection over union)损失函数,优化回归损失的计算,并引入平滑项更准确地计算边界框的重叠度,实现模型更精确匹配辣椒花的形状和分布,从而加快了模型收敛并提高检测精度。结果表明,YOLOv8n-Chili Flower模型的召回率和平均精度均值分别为94.6%和95.9%,较原始YOLOv8n模型分别提升了0.9和0.6个百分点,浮点计算量、参数量和模型大小分别为7.2 G、2.39 M和5.0 MB,较原模型分别降低了12.20%、20.60%和20.63%。与YOLOv5s、YOLOv7tiny、YOLOv8s和YOLOv9主流模型相比,改进模型能够更好地平衡平均精度均值和轻量化,将改进模型部署至NVIDIA Jetson AGX Orin计算平台上开展真实场景测试,正确检测率和检测帧率分别为83.25%和99.02帧/s,具有较好的正确检测率和检测速度。该研究可为辣椒机械授粉的花朵实时检测和轻量化部署提供一定的技术支持。
展开更多
关键词
YOLOv8n
目标检测
辣椒花
EMA注意力机制
GSConv模块
WIoU损失函数
轻量化模型
在线阅读
下载PDF
职称材料
基于改进YOLOX的自然环境下辣椒果实检测方法
被引量：
7
2
作者
李旭
刘青
+5 位作者
匡敏球
潘建东
刘大为
向阳
吴艳华
谢方平
《农业工程学报》
EI
CAS
CSCD
北大核心
2024年第21期119-126,共8页
针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升...
针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升不同光照条件下模型捕捉辣椒果实关键特征的能力;其次,将主干网络特征聚合模块中的卷积模块替换为可变形卷积DCNv2(deformable convnets v2),提升了模型对不同遮挡情况下辣椒多样几何特征的感知能力。试验结果表明,改进的YOLOX_Pepper模型平均检测精度为93.30%,与Faster R-CNN、YOLOv5、YOLOv7以及YOLOX相比,分别提高了3.99、1.58、3.19和2.84个百分点,F1分数为96%。改进的YOLOX_Pepper模型对自然环境不同光照和遮挡条件的辣椒果实均能进行准确快速的检测。该方法可为辣椒智能化生产提供技术基础。
展开更多
关键词
农业
机器视觉
YOLOX
辣椒
自然环境
果实检测
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8n的轻量化辣椒花目标检测方法
1
作者
匡敏球
李旭
陈熵
刘大为
向阳
刘峰
吴艳华
谢方平
机构
湖南
农业
大学机电工程学院
智能农机装备湖南省重点实验室
湖南
农业
大学园艺学院
园艺作物种质创新与新品种选育教育部工程研究中心
长沙县多莱农业科技有限公司
出处
《农业工程学报》
北大核心
2025年第12期198-207,共10页
基金
国家重点研发计划项目(2021YFD1600300-4/06,2022YFD2002003-3)。
文摘
辣椒花目标检测是机械授粉的基础,为提高自然环境下辣椒花目标检测的精度,该研究提出了一种基于改进YOLOv8n的轻量化辣椒花目标检测模型YOLOv8n-Chili Flower。首先,在Neck层引入高效多尺度轻量化注意力机制模块EMA(efficient multi-scale attention),提升模型对辣椒花特征的识别能力,从而增强检测的灵敏度和准确性;其次,在模型的Backbone层将C2f模块替换为GSConv(group separable convolution)模块,减少不必要的信息冗余,防止特征信息丢失,在提高注意力机制模块效果的同时,降低了模型的复杂度;最后,采用WIoU(weighted intersection over union)损失函数替换CIoU(complete intersection over union)损失函数,优化回归损失的计算,并引入平滑项更准确地计算边界框的重叠度,实现模型更精确匹配辣椒花的形状和分布,从而加快了模型收敛并提高检测精度。结果表明,YOLOv8n-Chili Flower模型的召回率和平均精度均值分别为94.6%和95.9%,较原始YOLOv8n模型分别提升了0.9和0.6个百分点,浮点计算量、参数量和模型大小分别为7.2 G、2.39 M和5.0 MB,较原模型分别降低了12.20%、20.60%和20.63%。与YOLOv5s、YOLOv7tiny、YOLOv8s和YOLOv9主流模型相比,改进模型能够更好地平衡平均精度均值和轻量化,将改进模型部署至NVIDIA Jetson AGX Orin计算平台上开展真实场景测试,正确检测率和检测帧率分别为83.25%和99.02帧/s,具有较好的正确检测率和检测速度。该研究可为辣椒机械授粉的花朵实时检测和轻量化部署提供一定的技术支持。
关键词
YOLOv8n
目标检测
辣椒花
EMA注意力机制
GSConv模块
WIoU损失函数
轻量化模型
Keywords
YOLOv8n
target detection
chili flower
EMA attention mechanism
GSConv module
WIoU loss function
lightweight model
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOX的自然环境下辣椒果实检测方法
被引量：
7
2
作者
李旭
刘青
匡敏球
潘建东
刘大为
向阳
吴艳华
谢方平
机构
湖南
农业
大学机电工程学院
智能农机装备湖南省重点实验室
浙江大学生物系统工程与食品科学学院
长沙县多莱农业科技有限公司
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2024年第21期119-126,共8页
基金
国家重点研发计划项目(2021YFD1600300-4/06,2022YFD2002003-3)。
文摘
针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升不同光照条件下模型捕捉辣椒果实关键特征的能力;其次,将主干网络特征聚合模块中的卷积模块替换为可变形卷积DCNv2(deformable convnets v2),提升了模型对不同遮挡情况下辣椒多样几何特征的感知能力。试验结果表明,改进的YOLOX_Pepper模型平均检测精度为93.30%,与Faster R-CNN、YOLOv5、YOLOv7以及YOLOX相比,分别提高了3.99、1.58、3.19和2.84个百分点,F1分数为96%。改进的YOLOX_Pepper模型对自然环境不同光照和遮挡条件的辣椒果实均能进行准确快速的检测。该方法可为辣椒智能化生产提供技术基础。
关键词
农业
机器视觉
YOLOX
辣椒
自然环境
果实检测
Keywords
agriculture
machine vision
YOLOX
pepper
natural environment
fruit detection
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
基于改进YOLOv8n的轻量化辣椒花目标检测方法
匡敏球
李旭
陈熵
刘大为
向阳
刘峰
吴艳华
谢方平
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLOX的自然环境下辣椒果实检测方法
李旭
刘青
匡敏球
潘建东
刘大为
向阳
吴艳华
谢方平
《农业工程学报》
EI
CAS
CSCD
北大核心
2024
7
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
