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
共找到1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：
基于改进YOLOv8n的不同栽培模式下玉露香梨轻量化检测 被引量：5
1
作者 任锐 孙海霞 +2 位作者 张淑娟 杨盛 景建平 《农业工程学报》 北大核心 2025年第5期145-155,共11页
为了提高不同栽培模式下玉露香梨果实智能检测准确率,针对果实定位精度差、漏检和误检等问题,该研究基于YOLOv8n提出了一种轻量化检测方法YOLO-iBPD。首先,将主干网络中的C2f模块替换为高效的C2fi模块,以增强模型的特征提取能力和表达... 为了提高不同栽培模式下玉露香梨果实智能检测准确率,针对果实定位精度差、漏检和误检等问题,该研究基于YOLOv8n提出了一种轻量化检测方法YOLO-iBPD。首先,将主干网络中的C2f模块替换为高效的C2fi模块,以增强模型的特征提取能力和表达能力。其次,在颈部网络中引入优化后的双向特征金字塔网络(bi-directional feature pyramid network,BiFPN),以提高对不同尺度目标的检测能力。然后,更改边界框损失函数为PIoUv2,以增强对果实信息的聚焦能力。最后,通过知识蒸馏进一步提高模型的泛化能力和精度。试验结果表明,YOLO-iBPD模型尺寸为3.34 MB,推理时间达1.4 ms,平均精度(average precision,AP)为93.32%,定位误差(localization error,Loc)、背景误差(background error,Bkg)和漏检(missed ground truth error,Miss)的值分别为1.22、2.78和1.04,改进后的模型尺寸缩小为YOLOv8n的56.04%,AP提升了1.07个百分点,Loc、Bkg和Miss分别降低了0.32、0.52和0.17。相较于YOLOv3-Tiny、YOLOv4-Tiny、YOLOv5n、YOLOv7-Tiny、YOLOv9s、YOLOv10s和YOLOv11n主流轻量化模型,YOLO-iBPD性能最优。该模型在轻量化的基础上提高了玉露香梨果实的检测精度,在不同栽培模式和光照条件下均展现出良好的稳定性和鲁棒性,为采摘机器人实现精准定位和高效采摘提供理论依据。 展开更多
关键词 机器视觉 模型 玉露香梨 栽培模式 yolo-ibpd 检测 轻量化
在线阅读 下载PDF
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
使用帮助 返回顶部