基于改进的YOLOv8n的复杂环境下果实检测方法、系统和应用技术方案

本发明专利技术公开了一种基于改进的YOLOv8n的复杂环境下果实检测方法、系统和应用。所述检测方法采用改进的YOLOv8n模型进行果实检测，其改进包括：将YOLOv8的Bottleneck模块中的第二个卷积模块替换为高效卷积模块，得到Bottleneck‑ME模块及含有Bottleneck‑ME模块的C2f‑ME模块，并在YOLOv8主干网络和头部网络中选择性地应用C2f‑ME模块。本发明专利技术能够有效提升复杂环境下果实检测的平均精度，并在准确性等显著提升的基础上，进一步降低了模型的参数量以及计算量。

【技术实现步骤摘要】

本专利技术涉及目标检测方法的，特别涉及通过yolov8n进行果实检测的。

技术介绍

1、伴随人口老龄化的加剧及劳动力成本的逐年增加，对如柑橘等种植面积大、采摘劳动强度高的果实进行高效自动化采摘变得越来越必要，目标检测算法在其中的应用也越来越广泛。

2、如现有专利文献cn202310392025.x公开了一种基于改进yolov7的柑橘果实识别方法及系统，其通过改进的yolov7网络识别模型实现了对柑橘果实的精准识别与定位；现有专利文献cn202210787701.9公开了一种基于yolov5模型改进的柑橘果实识别方法，其实现了柑橘青果实时智能识别与产量监测。

3、但以上现有技术通常计算量大，且多只能应用于较为单一的环境，在复杂的实地种植环境下，对果实的检测精度均不够高。

技术实现思路

1、针对现有技术的缺陷，本专利技术的目的在于提供一种新的果实检测方法和系统，该方法基于改进的yolov8n目标检测模型建立，能够有效提升复杂环境下对如柑橘等类果实与叶片的颜色特征相似、果实繁多且遮挡重叠严重本文档来自技高网...

【技术保护点】

1.基于改进的YOLOv8n的复杂环境下果实检测方法，其特征在于，其包括：

2.根据权利要求1所述的复杂环境下果实检测方法，其特征在于，所述损失函数为将YOLOv8模型的损失函数进行改进后得到的改进的损失函数，所述改进为将YOLOv8模型的损失函数中的CIoU函数替换为如下的Inner-IoU函数Linner-CIoU得到：

3.根据权利要求1所述的复杂环境下果实检测方法，其特征在于，S2-S4中所述训练、测试和验证包括：

4.实现权利要求1-3中任一项所述的复杂环境下果实检测方法的检测系统，其包括：进行步骤S1的图像存储和预处理模块及与所述图像存储和...

【技术特征摘要】

1.基于改进的yolov8n的复杂环境下果实检测方法，其特征在于，其包括：

2.根据权利要求1所述的复杂环境下果实检测方法，其特征在于，所述损失函数为将yolov8模型的损失函数进行改进后得到的改进的损失函数，所述改进为将yolov8模型的损失函数中的ciou函数替换为如下的inner-iou函数linner-ciou得到：

3.根据权利要求1所述的复杂环境下果...

【专利技术属性】
技术研发人员：张鹏超，岳凯，郭芝淼，王磊，皇金锋，胡波，王静，
申请(专利权)人：陕西理工大学，
类型：发明
国别省市：