一种基于改进YOLOv8n的轻量化光纤适配器旋转目标检测方法技术

本发明专利技术提出了一种基于改进YOLOv8n的轻量化光纤适配器旋转目标检测方法，涉及计算机视觉与目标检测技术领域，包括以下步骤：采集真实场景下的光纤适配器图像，标注数据并进行数据增强扩充数据集；在YOLOv8n OBB模型基础上进行改进，将MobileViTv3集成到主干网络的C2f模块中；将Ghost Bottleneck v2集成到颈部网络的C2f模块；使用Dynamic Head改进检测头结构；使用改进后的YOLOv8n‑OBB轻量化模型进行训练评估，在训练过程中引入Angle DFL Loss作为损失函数；集成标签分配策略DynamicATSS模块；完成训练，保留训练后最优权重模型进行实验测试；本发明专利技术充分考虑了光纤适配器识别模型需要兼具高精度与低资源的检测需求，能够有效提高检测精度和模型的轻量化程度，适合在嵌入式设备中高效运行，能够有效用于光纤适配器的检测。

【技术实现步骤摘要】

本专利技术涉及计算机视觉与目标检测，具体涉及一种基于改进yolov8n的轻量化光纤适配器旋转目标检测方法。

技术介绍

1、光纤配线架(odf)是现代通信网络中的关键设备，广泛应用于光纤通信交互系统中，实现光纤配线架内部的线缆互连。然而，光纤配线架在出厂前需要人工校准，手动确定每个光纤适配器端口对应的编码器数值，效率较低且容易引入误差，不仅增加了生产成本，也限制了光纤配线架的产品化和规模化生产。为了解决这些问题，自动化和智能化的光纤编码器检测算法显得尤为重要。通过引入深度学习目标检测算法，可以实现光纤编码器的精准定位。光纤适配器端口形状为矩形，在光纤配线架中呈圆环状排列，其位置和方向对光纤跳线的正确连接至关重要。传统目标检测方法在处理规则朝向目标时表现良好，但在光纤配线架这种端口朝向任意的复杂场景中，难以满足精度和实用性的双重要求。为此，需要将光纤适配器的检测任务从传统目标检测转化为旋转框目标检测，以适配其特有的几何特征。

2、目前旋转框目标检测方法主要分为两类：基于anchor的检测算法和anchor-free的检测算法。anchor-base本文档来自技高网...

【技术保护点】

1.基于改进YOLOv8n的轻量化光纤适配器旋转目标检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进YOLOv8n的轻量化光纤适配器旋转目标检测方法，其特征在于，所述标注数据是指利用Roboflow工具对采集到的图像按光纤适配器，执行爪和10类数字字符用旋转矩形框进行人工精确标注；所述预处理是指将数据集按采用随机旋转、随机平移、随机翻转、随机剪裁、随机擦除、高斯噪声、改变亮度等数据增强方式扩充数据集，并按照8:1:1的比例将数据集随机划分为训练集、验证集、测试集。

3.根据权利要求1所述的基于改进YOLOv8n的轻量化光纤适配器旋转目标检测方法，其特...

【技术特征摘要】

1.基于改进yolov8n的轻量化光纤适配器旋转目标检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进yolov8n的轻量化光纤适配器旋转目标检测方法，其特征在于，所述标注数据是指利用roboflow工具对采集到的图像按光纤适配器，执行爪和10类数字字符用旋转矩形框进行人工精确标注；所述预处理是指将数据集按采用随机旋转、随机平移、随机翻转、随机剪裁、随机擦除、高斯噪声、改变亮度等数据增强方式扩充数据集，并按照8:1:1的比例将数据集随机划分为训练集、验证集、测试集。

3.根据权利要求1所述的基于改进yolov8n的轻量化光纤适配器旋转目标检测方法，其特征在于，所述步骤二具体为：将mobilevitv3集成到主干网络的c2f模块中；将ghostbottleneck v2集成到颈部网络的c2f模块；使用dynamic head改进检测头结构。

4.根据权利要求3所述的基于改进yolov8n的轻量化光纤适配器旋转目标检测方法，其特征在于，所述mobilevitv3集成到主干网络的c2f模块具体为：在back bone中，第三层和第九层的c2f模块不变，第五层和第七层的c2f模块中的瓶颈块替换为mobilevitv3，改进后的模块称为c2f_mvitbv3模块。

5.根据权利要求3所述的基于改...

【专利技术属性】
技术研发人员：于秀丽，陈佳龙，武瑛琦，李剑，李雪倩，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：