一种基于YOLOv8的蚕茧识别方法及系统技术方案

一种基于YOLOv8的蚕茧识别方法及系统，该方法包括以下步骤：采集待识别蚕茧的蚕茧图像；将所述待识别蚕茧翻转一定角度后再次采集蚕茧图像，重复此步骤，直至采集到关于所述待识别蚕茧的至少两张蚕茧图像；基于YOLOv8构建蚕茧识别模型，利用训练后的蚕茧识别模型识别所述至少两张蚕茧图像，若至少两张蚕茧图像的识别结果均为上车茧，则识别结果为上车茧；若至少两张蚕茧图像的识别结果中有至少一张蚕茧图像为下茧，则识别结果为下茧。本发明专利技术通过采集待识别蚕茧的至少两张角度不同的蚕茧图像，能够更加充分、完整地采集到待识别蚕茧的表面，有利于训练后的蚕茧识别模型在识别时基于更多的蚕茧表面特征进行判断，从而有效地提高识别的准确性。

【技术实现步骤摘要】

本专利技术涉及蚕茧识别，具体涉及一种基于yolov8的蚕茧识别方法及系统。

技术介绍

1、在农业领域，蚕茧是丝绸生产的重要材料，蚕茧中的蚕丝经过处理可以制作成丝绸等丝织品。蚕茧识别是一种应用于农业、纺织等领域的技术，它源自于对蚕茧特征的探索和需求的驱动。传统的蚕茧识别工作主要通过人工进行，但人工操作效率低下、成本高昂且易受主观因素影响，为了提高蚕茧产业的效率和质量，自动化的蚕茧识别技术应运而生。例如，专利cn114463309a公开了一种结合深度学习和图像处理的黄斑蚕茧识别方法，其结合深度学习和图像处理的黄斑蚕茧识别方法对黄斑蚕茧进行识别，能够节约人力成本，提高生产效率。

2、但是，现有的基于深度学习和图像处理的蚕茧识别方法所采用的目标检测网络架构更加复杂，并且计算速度和对小目标的检测能力上还有待进一步提高，故在检测效率和准度上差强人意。此外，采集装置在单次拍摄蚕茧时很难捕捉到蚕茧的整体表面，而现有的识别方法在图像采集时对同一蚕茧通常仅采集一次图像便处理得到检测结果，误检率较高。因此，现有的基于深度学习和图像处理的蚕茧识别多用于初步检测。...

【技术保护点】

1.一种基于YOLOv8的蚕茧识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于YOLOv8的蚕茧识别方法，其特征在于，所述蚕茧识别模型的损失函数为：

3.根据权利要求1所述的一种基于YOLOv8的蚕茧识别方法，其特征在于，还包括评价所述蚕茧识别模型，评价指标包括准确率、精确率、召回率、平均正确率、交并比IOU中的至少一种。

4.根据权利要求1所述的一种基于YOLOv8的蚕茧识别方法，其特征在于，所述待识别蚕茧每次翻转的角度为90～180°。

5.一种基于YOLOv8的蚕茧识别系统，其特征在于，包括：

6.根...

【技术特征摘要】

1.一种基于yolov8的蚕茧识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于yolov8的蚕茧识别方法，其特征在于，所述蚕茧识别模型的损失函数为：

3.根据权利要求1所述的一种基于yolov8的蚕茧识别方法，其特征在于，还包括评价所述蚕茧识别模型，评价指标包括准确率、精确率、召回率、平均正确率、交并比iou中的至少一种。

4.根据权利要求1所述的一种基于yolov8的蚕茧识别方法，其特征在于，所述待识别蚕茧每次翻转的角度为90～180°。

5.一种基于yolov8的蚕茧识别系统，其特征在于，包括：

6.根据权利要求5所述的一种基于yolov8的蚕茧识别系统，其特征在于，所述搭载机构(5)包括搭载筒(51)，所述搭载筒(51)的两个端面设置有转轴(52)，所述转轴(52)活动穿过设置在蚕茧箱(4)上的通孔(41)，转轴(52)上设置有第一拨杆(53)，所述推动机构(6)能够通过推动第一拨杆(53)来驱动所述转轴(52)转动。

7.根据权利要求6所述的一种基于yolov8的蚕茧识别系统，其特征在于，所...

【专利技术属性】
技术研发人员：郭德全，袁国全，刘波，张鑫，冯灵，刘自成，王志宏，郭佳，刘宇，叶江红，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：