本发明专利技术公开一种基于改进YOLOv8的水稻病虫害检测方法及系统，涉及目标检测技术领域，包括：将水稻图片输入至训练后的YOLOv8目标检测模型，得到水稻图片中病虫害的类别信息和位置信息；其中，模型的训练过程为：基于水稻病虫害数据集对改进后的YOLOv8目标检测算法进行训练；该算法为在原始算法的基础上，将特征提取模块中的Bottleneck结构替换为FasterBlock结构、将原始特征金字塔上引入更浅层特征P2以及将原始检测头替换为多重注意力机制检测头后得到的算法。本发明专利技术基于改进后的YOLOv8目标检测算法，能够实现病虫害位置和类别信息进行精确的分类和定位。
【技术实现步骤摘要】
本专利技术涉及目标检测，特别是涉及一种基于改进yolov8的水稻病虫害检测方法及系统。
技术介绍
1、水稻是我国主要粮食作物之一，其病虫害种类繁多，形成条件复杂，及早预防有利于确保农户受益，进而维护国家的粮食安全。目前，水稻病虫害检测领域广泛应用的人眼辨识，其存在诸多缺陷，例如重复劳动、田间观测困难、病虫害识别准确率低等问题。使用无人机对水稻田间表型信息进行观察可以解决以上问题。
2、由于无人机飞行高度的因素，无人机拍摄的图片中水稻病虫害信息的占比较低，现有的深度学习算法难以在兼顾检测速度的同时对无人机获取图像中的病虫害位置和类别信息进行精确的分类和定位。
技术实现思路
1、本专利技术的目的是提供一种基于改进yolov8的水稻病虫害检测方法及系统，可对无人机图像中的病虫害的位置信息和类别信息进行精确的分类和定位。
2、为实现上述目的，本专利技术提供了如下方案：
3、第一方面，本专利技术提供了一种基于改进yolov8的水稻病虫害检测方法，包括：
>4、获取无人机拍摄本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，在获取水稻种植区域的水稻病虫害图片之前，还包括：
3.根据权利要求2所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，所述拍摄图片为无人机采用倾斜拍摄方式，对所述水稻种植区域进行拍摄得到的图片。
4.根据权利要求1所述的一种基于改进YOLOv8的水稻病虫害检测方法，其特征在于，在对所述样本病虫害图片进行目标标记之前，还包括：
5.根据权利要求1所述的一种基于改进YOLOv8的水...
【技术特征摘要】
1.一种基于改进yolov8的水稻病虫害检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进yolov8的水稻病虫害检测方法，其特征在于，在获取水稻种植区域的水稻病虫害图片之前，还包括：
3.根据权利要求2所述的一种基于改进yolov8的水稻病虫害检测方法，其特征在于，所述拍摄图片为无人机采用倾斜拍摄方式，对所述水稻种植区域进行拍摄得到的图片。
4.根据权利要求1所述的一种基于改进yolov8的水稻病虫害检测方法，其特征在于，在对所述样本病虫害图片进行目标标记之前，还包括：
5.根据权利要求1所述的一种基于改进yolov8的水稻病虫害检测方法，其特征在于，根据各所述标记后的样本病虫害图片，构建水稻病虫害数据集，具体包括：
6.根...
【专利技术属性】
技术研发人员：刘鹏，张天翼，毕誉轩，王彩霞，赵海丽，史佳霖，潘宇航，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。