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3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：
一种改进YOLOv8n模型的草莓成熟度识别方法
1
作者 高天赐 余宏杰 陈成 《兰州工业学院学报》 2025年第6期49-54,60,共7页
为提高小目标草莓在复杂环境中的识别精度,提出一种基于YOLOv8n的改进模型。模型引入Context Guided模块,利用上下文有效信息特征增强小目标识别能力,并加入SE Attention模块聚焦重要特征,同时采用WIoU损失函数替换原有CIoU,进一步降低... 为提高小目标草莓在复杂环境中的识别精度,提出一种基于YOLOv8n的改进模型。模型引入Context Guided模块,利用上下文有效信息特征增强小目标识别能力,并加入SE Attention模块聚焦重要特征,同时采用WIoU损失函数替换原有CIoU,进一步降低损失值并增加模型的泛化性。实验结果表明,改进模型在精度上提升2.5%,召回率提高1.8%,mAP0.5值和mAP0.5:0.95分别增加2.4%、2.0%。综上所述,改进后的YOLOv8n模型在复杂环境下对草莓成熟度的检测表现显著提升。 展开更多
关键词 YOLOv8n 草莓成熟度 context guided模块 SE Attention WIoU损失函数
在线阅读 下载PDF
车辆安全驾驶距离检测设计
2
作者 范周慧 钟勇 +1 位作者 郜建行 曹龙龙 《电脑与信息技术》 2025年第5期98-102,115,共6页
面对城市交通问题,如何更快速、精准地检测,涵盖更多检测类别并准确判别行驶距离,是降低车祸事故发生率的一项关键措施。基于YOLO基础结构,提出一种改进YOLOv8的目标测距检测方法。首先,数据集制作采用双目相机获取城市真实道路信息,借... 面对城市交通问题,如何更快速、精准地检测,涵盖更多检测类别并准确判别行驶距离,是降低车祸事故发生率的一项关键措施。基于YOLO基础结构,提出一种改进YOLOv8的目标测距检测方法。首先,数据集制作采用双目相机获取城市真实道路信息,借助LabelMe完成城市道路目标标注。其次,改进YOLOv8中的特征金字塔网络,采用上下文指南(Context Guide)融合模块替代原有的链接(Concat)模块,引入注意力机制(压缩-激励(Sqneeze-and-Excitation,SE)模块)对上下文信息进行有效捕捉,使得模块在检测中能够有效增强重要特征,提高检测精度。最后,根据双目相机采取双目视觉的半全局匹配(Semi-Global Block Matching,SGBM)图像对应点,计算图像视差,获得目标物体距离。改进后的模型在自制数据集上进行验证,检测准确率达98.5%,每秒可处理18.2帧图像,模型大小为6.3 M,均符合车辆安全驾驶实时检测的要求,能够有效提供距离检测功能。 展开更多
关键词 YOLOv8 特征金字塔网络 context Guide融合模块 SGBM匹配
在线阅读 下载PDF
基于轻量化YOLO v8-Rice的水稻虫害检测方法 被引量：4
3
作者 桂余鹏 胡蓉华 +1 位作者 崔艳荣 贾瀛睿 《江苏农业科学》 北大核心 2024年第20期277-284,共8页
针对真实场景下水稻虫害识别的背景复杂、模型计算量和参数量大以及难以在嵌入式设备或移动设备上部署等问题,在YOLO v8的基础上提出一种改进的轻量化的YOLO v8-Rice水稻虫害检测算法。首先,采用Context Guided Block结构替换传统YOLO v... 针对真实场景下水稻虫害识别的背景复杂、模型计算量和参数量大以及难以在嵌入式设备或移动设备上部署等问题,在YOLO v8的基础上提出一种改进的轻量化的YOLO v8-Rice水稻虫害检测算法。首先,采用Context Guided Block结构替换传统YOLO v8中C2f模块的Bottleneck结构,增强模型的上下文信息理解能力,压缩模型的权重;然后,使用深度可分离卷积代替传统YOLO v8中的标准卷积,以降低参数量、计算量;最后,将检测头重构为轻量级共享卷积检测头,以进一步降低参数量、计算量,并提高模型对多尺度虫害特征的定位和提取能力,使其能够更好地适应不同尺寸、复杂度的虫害状况。结果表明,相比于传统YOLO v8,YOLO v8-Rice算法在计算量、参数量方面分别减小70.5%、61.7%,模型的权重文件大小降低至1.94 MB,仅为YOLO v8n的32.4%,并且在平均精度上达到94.1%,与其他模型相比明显提高。该算法在水稻虫害检测方面的性能取得了显著提升。借助轻量化网络模型及优化模型的部署,使其更适合在移动设备或嵌入式设备中部署,可为实际农业场景中的水稻虫害检测提供更可行的解决方案,可以准确地检测定位和分类水稻虫害。 展开更多
关键词 水稻虫害检测 轻量化YOLO v8-Rice context guided Block 深度可分离卷积 轻量级共享卷积检测头
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