改进YOLOv8的核桃品种动态检测方法

为了提高在传送带上核桃品种检测的精度,文中提出一种轻量化核桃品种检测算法(YOLOv8n-EAM)。首先,该算法采用多尺度卷积结构,通过对GhostNet的冗余特征最小化策略、分组卷积和MobileNet的通道特征融合进行改进,显著提高了模型的核心特征提取能力;其次,为了更好地保留特征图中的信息和尺度不变性,采用平均池化和最大池化进行下采样,在减少浮点运算量的同时,提高了模型的检测准确率;最后,在空间金字塔池化中内嵌MLCA注意力机制,提高模型在Neck部位捕获不同尺度语义信息的能力。实验结果表明,在自制的核桃数据集上,YOLOv8n-EAM算法相比YOLOv8n算法浮点运算量有所降低,模型体积降低了17.7%,精确率、召回率、mAP@0.5和mAP@0.5:0.95分别提高了3.6%、1.6%、1.4%和2.8%。在Pascal VOC 2007数据集上,YOLOv8n-EAM算法相比其他算法同样有较高的平均检测精度,mAP@0.5和mAP@0.5:0.95分别为58.2%和37.2%,均优于其他对比的目标检测算法,可以为工业上对核桃品种分拣提供技术支持。

资料为PDF文档格式.

本文档关键词:核桃,动态,改进,品种,YOLOv8