基于改进YOLOv8n的轻量化红花识别方法

摘要：

为解决智能化采收中红花识别易受田间复杂环境、设备计算资源等限制的问题,该研究提出一种基于改进YOLOv8n的轻量化红花识别方法,以便将模型部署在移动端上进行目标检测.该研究应用Vanillanet轻量化网络结构代替YOLOv8n的骨干特征提取网络,降低了模型的复杂程度;将大型可分离核注意力模块(large separable kernel attention,LSKA)引入特征融合网络,以降低存储量和计算资源消耗;将YOLOv8n的损失函数从中心点与边界框的重叠联合(center intersection of union,CIoU)替换为动态非单调的聚焦机制(wise intersection of union,WIoU)提升检测器的总体性能;并选用随机梯度下降算法(stochastic gradient descent,SGD)进行模型训练,以提高模型鲁棒性.试验结果表明,改进后的轻量化模型每秒传输帧数(frames per second,FPS)为123.46帧/s,与原YOLOv8n模型相比提高了 7.41％,而模型大小为3.00MB,仅为原来的50.17％,并且精确度(precision,P)和平均精度值(mean average precision,mAP)达到了 93.10％和96.40％,与YOLOv5s与YOLOv7-tiny检测模型相比,FPS分别提高了 25.93％和19.76％,模型大小为原模型的21.90％和25.86％,研究结果可为后续红花的智能化采收装备研发提供技术支持.

关键词：图像识别、模型、目标检测、YOLOv8n、Vanillanet、轻量化、红花采摘

所属期刊栏目：40

分类号：S24;TP391(农业电气化与自动化)

资助基金：国家自然科学基金;宁夏回族自治区揭榜挂帅项目

在线出版日期：2024-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：163-170