基于改进YOLOv8s的葡萄果实与果梗检测方法

文献类型： 中文期刊

第一作者： 马聪

作者： 马聪;陈学东;张学俭;杨淑婷

作者机构：

关键词： 葡萄果实检测;葡萄果梗;深度学习;目标检测;卷积神经网络

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2025 年 46 卷 012 期

页码： 103-113

收录情况： 北大核心

摘要： 葡萄果实与果梗的精确检测是实现葡萄智能化采摘的关键.当前检测算法的准确性和实时性尚不满足实际生产环境需求,且难以在复杂场景下完成多串葡萄的高效检测.针对这一问题,基于 YOLOv8s提出一种用于葡萄果实与果梗检测的高精度实时方法 RepViT—YOLOv8s.该方法在图像特征提取阶段使用 RepViT 替换基准模型的卷积块,RepViT结合 Vision Transformer的高感受野特性以及卷积神经网络的方便快捷性,能更充分地提取图像的特征信息,更细粒度地表征目标的特征;在特征融合阶段提出一种 C2f—CBAM 模块,使用视觉注意力机制 CBAM 突出目标特征,抑制图像背景信息,并结合 C2f模块实现目标特征增强提取;在目标边框损失上使用 SIoU Loss更准确地计算预测框与真实框的偏差,在训练时更快地收敛模型.试验表明:相比于 YOLOv8s模型,RepViT—YOLOv8s在 MS COCO 2017 验证集上的精确率、召回率、mAP@0.5 以及 mAP@0.5∶0.95 分别提高 3.5%、2.5%、3.0%和 2.3%,同时在自建葡萄果实和果梗数据集上 RepViT—YOLOv8s 的精确率、召回率、mAP@0.5 以及 mAP@0.5∶0.95 分别达到 97.4%、79.6%、86.8%和 61.6%,较 YOLOv8s分别提高 3.3%、3.0%、3.2%和 2.6%.

分类号： S663.1%TP391.4

  • 相关文献

[1]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[2]面向海洋渔业捕捞生产的深度学习方法应用研究进展. 张胜茂,孙永文,樊伟,唐峰华,崔雪森,伍玉梅. 2022

[3]基于改进YOLOv8卷积神经网络的稻田苗期杂草检测方法. 林宗缪,马超,胡冬. 2024

[4]基于改进YOLOv8卷积神经网络的蟹味菇检测方法. 林宗缪,马超,胡冬. 2024

[5]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[6]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[7]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[8]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[9]基于YOLOv4的稻田杂草目标检测算法. 袁涛,胡冬,马超,李琳一,郑秀国,钱戴玲. 2023

[10]基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法. 李明,丁智欢,赵靖暄,陈思铭,李文勇,杨信廷. 2023

[11]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[12]基于YOLOv3模型的金枪鱼鱼群特征识别初步研究. 马硕,张禹,王鲁民,张勋,金卫国,王国来,常卫东. 2021

[13]大田环境下的农业害虫图像小目标检测算法. 蒋心璐,陈天恩,王聪,赵春江. 2024

[14]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[15]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[16]水族馆鱼类目标检测网络优化研究. 刘洋,张胜茂,王书献,王斐,樊伟,邹国华,伯静. 2022

[17]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[18]基于改进YOLO-V4网络的浅海生物检测模型. 毛国君,翁伟栋,朱晋德,张媛,吴富村,毛玉泽. 2021

[19]目标检测算法在农业领域中的应用. 温科,刘波,蒋辉霞,刘李逵,任倪. 2024

[20]基于ROI融合特征的柑橘炭疽病诊断方法. 熊晓菲,王秀琴,庄翠珍,郭家贤,谢新锐,吴建伟,李奇峰. 2024

作者其他论文 更多>>

微信小程序