-
题名基于改进YOLOv8模型的鱼类疾病识别方法
- 1
-
-
作者
马帅龙
乔壮
吴燕
曹世纪
仇海全
-
机构
安徽科技学院智能制造学院
安徽科技学院信息与网络工程学院
安徽科技学院数字乡村建设与治理安徽省哲学社会科学重点实验室
-
出处
《萍乡学院学报》
2025年第3期74-81,共8页
-
基金
安徽省教育厅高校自然科学研究重点项目“高维数据预处理方法的研究及在数字乡村建设中的应用”(2023AH051874)
安徽科技学院重点学科建设项目“电子信息”(XK-XJGY002)。
-
文摘
针对复杂背景下鱼类疾病多尺度目标检测精确率低的问题,研究提出了一种基于改进YOLOv8模型的鱼类疾病识别方法。首先,采用硬件高效的卷积神经网络架构(EfficientRep)优化主干网络,减少冗余计算。其次,采用自适应特征金字塔网络(Adaptive Feature Pyramid Network,AFPN)增强对小目标和复杂背景下疾病识别的能力。最后,将YOLOv8模型主干网络的空间金字塔池化模块(Spatial Pyramid Pooling Fast,SPPF)与通用感知大卷积核网络(Universal Perception Large-Kernel ConvNet,UniRepLKNet)相融合,组成一种空间金字塔池化大卷积核网络(SPPF-UniRepLKA),可增强模型对不同尺度和上下文信息的感知能力,扩展感受野(Receptive Field)。实验结果表明,改进后的模型精确率提升了12.6%,达到94.5%,召回率提升了1.3%,mAP50和mAP50-95分别提升了4.3%和6.3%,F1提升了7%。改进后的模型大幅提升了鱼类疾病识别的精确率和鲁棒性,有利于提高养殖管理效率、控制疾病传播、促进智能化健康管理。
-
关键词
鱼类疾病
YOLOv8
EfficientRep
自适应特征金字塔网络
通用感知大卷积核网络
-
Keywords
fish diseases
YOLOv8
EfficientRep
AFPN
unireplknet
-
分类号
S951.2
[农业科学—水产养殖]
-
-
题名基于改进YOLOv8的复杂环境行人检测算法研究
- 2
-
-
作者
金吉成
-
机构
汉江师范学院
-
出处
《中国新技术新产品》
2024年第24期21-23,共3页
-
基金
汉江师范学院科学研究计划项目“基于视频大数据的行人重识别研究”(项目编号:2023B20)。
-
文摘
复杂场景下行人检测的准确性和鲁棒性面临极大挑战,本文提出了一种改进YOLOv8的行人检测算法,以提高检测质量。首先,本文将重参数化网络UniRepLKNet代替原YOLOv8s模型的骨干网络,将其用于行人特征提取。该网络不仅增大了感受野,而且避免了小尺寸核大量地堆叠使用。其次,将Focal-Modulation模块替代原SPPF模块,该模块利用焦点调制机制聚焦行人图像中的关键特征区域。最后,引入形态交并比损失ShapeIoU来提高边界回归准确性。在RTTS和WiderPerson数据集上进行试验,结果显示,与原YOLOv8s模型相比,改进算法的平均精度(AP)提升了3.1%、2.6%。所提算法具有较高的检测精度和鲁棒性,可以满足监控领域复杂场景下行人检测的需求。
-
关键词
行人检测
YOLOv8
unireplknet
Focal-Modulation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
