一种基于YOLOv8的火龙果计数方法技术

本发明专利技术公开了一种基于YOLOv8的火龙果计数方法，首先通过火龙果图像获取，火龙果图像缩放，火龙果图像标注，和火龙果图像及标注文件划分制作火龙果检测图像数据集；然后使用视频拍摄设备采集火龙果视频；接着构建火龙果计数模型，包括改进检测器，追踪器和计数器；随后使用火龙果检测图像数据集训练并测试火龙果计数模型中的改进检测器；最后应用火龙果计数模型对所采集的火龙果视频中的火龙果果实进行计数。本发明专利技术旨在通过改进YOLOv8模型来提升模型的推理速度和减少模型参数量并实现高效的火龙果计数。

【技术实现步骤摘要】

本专利技术属于水果计数的，具体涉及一种基于yolov8的火龙果计数方法。

技术介绍

1、在农业生产中，水果计数一直是一项繁重而耗时的工作，特别是像火龙果这样在蔓延范围较大的果园中种植的水果。通过构建轻量化且高效准确的水果计数模型并搭载在移动设备上，可帮助果农减少工作强度，提升计数效率，并节约用工成本(rahnemoonfar m,sheppard c.deep count:fruit counting based on deep simulated learning[j].sensors,2017,17(4).)。文献(li p,zheng j,li p,et al.tomato maturity detectionand counting model based on mhsa-yolov8[j].sensors,2023,23(15).)提出了一种基于yolov8的水果计数模型，其中采用了添加mhsa注意力机制的yolov8检测模型，mhsa注意力机制的添加可以提高检测的准确率，然而同时会降低模型的推理速度。因此，采用基于yolov8的模型进行水果计数本文档来自技高网...

【技术保护点】

1.一种基于YOLOv8的火龙果计数方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的一种基于YOLOv8的火龙果计数方法，其特征在于，所述制作火龙果检测图像数据集，步骤为：

3.根据权利要求1所述的一种基于YOLOv8的火龙果计数方法，其特征在于，所述构建火龙果计数模型，具体为：

4.根据权利要求3所述的一种基于YOLOv8的火龙果计数方法，其特征在于，所述对主干网络进行轻量化是指将现有ShuffleNetv2网络中的CBRM块和Shuffle_Block块进行组合后替换原始检测器的主干网络。

5.根据权利要求3所述的一种基于YO...

【技术特征摘要】

1.一种基于yolov8的火龙果计数方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的一种基于yolov8的火龙果计数方法，其特征在于，所述制作火龙果检测图像数据集，步骤为：

3.根据权利要求1所述的一种基于yolov8的火龙果计数方法，其特征在于，所述构建火龙果计数模型，具体为：

4.根据权利要求3所述的一种基于yolov8的火龙果计数方法，其特征在于，所述对主干网络进行轻量化是指将现有shufflenetv2网络中的cbrm块和shuffle_block块进行组合后...

【专利技术属性】
技术研发人员：刘昌余，郑晶晶，黄献培，黄国钢，王聪，李俊龙，吴蔼民，吴春胤，朱圳彬，裴嘉薇，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：