【技术实现步骤摘要】
本专利技术涉及计算机视觉,尤其涉及一种基于yolov8的蔬菜植株目标检测方法及装置。
技术介绍
1、在农业生产中,番茄植株计数对番茄生产具有重要意义。通过了解番茄植株的数量和分布情况,可以更好地规划和管理农田,提高生产效率和管理水平。目前,番茄植株的数量统计仍然采用人工计数的方法,通过人工在田间进行观察和计数,或使用简单的测量工具进行估算。但是人工计数的缺陷明显,效率低下,不仅需要大量的时间和人力,并且也无法快速准确地统计大量地番茄植株。人工计数容易受到个人主观原因和视觉误差导致结果精度不高。
2、为了提高番茄植株计数的效率和精度,研究者们开始尝试使用图像处理技术。图像处理技术可以通过对农田图像进行分析和处理,提取出番茄植株的数量和分布信息。然而,图像处理技术也存在一定的缺陷,该技术容易受到光照条件和背景因素的影响,导致无法准确识别和对番茄植株进行计数,且农田环境复杂,如遮挡、重叠和异常情况也对图像处理技术的准确性影响较大。
技术实现思路
1、本专利技术提供一种基于yolov8
...【技术保护点】
1.一种基于YOLOv8的蔬菜植株目标检测方法,其特征在于,包括:
2.根据权利要求1所述的基于YOLOv8的蔬菜植株目标检测方法,其特征在于,所述目标检测模型,包括:
3.根据权利要求2所述的基于YOLOv8的蔬菜植株目标检测方法,其特征在于,所述特征提取层,包括依次相连的第一卷积单元、至少两个注意力提取单元、空间金字塔池化单元和感受野注意力卷积单元,且相邻所述注意力提取单元之间设有第二卷积单元,其中:
4.根据权利要求3所述的基于YOLOv8的蔬菜植株目标检测方法,其特征在于,所述注意力提取单元,包括:
5.根据权利
...【技术特征摘要】
1.一种基于yolov8的蔬菜植株目标检测方法,其特征在于,包括:
2.根据权利要求1所述的基于yolov8的蔬菜植株目标检测方法,其特征在于,所述目标检测模型,包括:
3.根据权利要求2所述的基于yolov8的蔬菜植株目标检测方法,其特征在于,所述特征提取层,包括依次相连的第一卷积单元、至少两个注意力提取单元、空间金字塔池化单元和感受野注意力卷积单元,且相邻所述注意力提取单元之间设有第二卷积单元,其中:
4.根据权利要求3所述的基于yolov8的蔬菜植株目标检测方法,其特征在于,所述注意力提取单元,包括:
5.根据权利要求3所述的基于yolov8的蔬菜植株目标检测方法,其特征在于,对所述第二特征图进行感受野空间特征提取,并结合所述第二特征图中的注意力特征,得到目标特征,包括:
6.根据权利...
【专利技术属性】
技术研发人员:张金梦,张倩,于峰,王明,郭建鑫,平阳,刘新,李刚,
申请(专利权)人:北京市农林科学院,
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。