一种基于改进YOLOv11模型的甘蔗分类方法技术

本发明专利技术涉及一种基于改进YOLOv11模型的甘蔗分类方法。具体实施步骤包括：采集甘蔗种植区域的图像数据、对图像进行预处理、图像标注、将YOLOv11模型的Bottleneck替换为InceptionNext网络，使用训练数据集对改进后的模型进行训练，采用交叉熵损失函数、CIoU损失函数和二元交叉熵损失函数计算分类损失、定位损失和置信度损失，并通过反向传播算法优化模型参数；使用测试数据集评估模型性能，计算精确率、召回率、平均精度和F1分数等评价指标；最终将优化后的模型应用于实际甘蔗生产线，实现甘蔗的实时分类。本发明专利技术能够提升甘蔗分类的精度和效率，适用于复杂背景下的甘蔗分类任务。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和深度学习，具体涉及一种基于改进yolov11模型的甘蔗分类方法。

技术介绍

1、甘蔗作为全球重要的糖料作物与经济作物，广泛种植于热带和亚热带地区。在甘蔗的种植管理、品种选育以及病虫害防治等诸多环节中，准确的甘蔗分类显得尤为关键。传统的甘蔗分类方法多依赖人工经验进行识别，不仅效率低下，而且分类的准确性极易受到主观因素的显著影响，难以满足大规模、精准化的现代农业发展需求。随着计算机视觉技术的迅猛发展，yolo(you only look once)系列模型凭借其快速的检测速度与较高的准确率，在目标检测任务中脱颖而出。然而，针对甘蔗分类这一特定任务，原始的yolov11模型仍存在一定的局限性。在复杂多变的田间环境中，甘蔗的外观特征容易受到光照、生长阶段、病虫害等多种因素的干扰，导致模型在特征提取过程中难以精准捕捉到具有区分性的特征信息，进而影响分类的准确率随着模型深度的增加和结构的复杂化，模型的计算量和参数数量大幅增长，这不仅对硬件设备的计算能力提出了更高要求，导致推理速度变慢，无法满足实时性需求，而且增加了模型过拟合的风险，降低了模型本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv11模型的甘蔗分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述数据采集步骤中，图像数据通过无人机、摄像头或移动设备采集，确保覆盖甘蔗种植区域的不同场景和生长阶段。

3.根据权利要求1所述的方法，其特征在于，所述数据预处理步骤中，数据增强技术包括随机旋转、随机缩放、水平翻转和垂直翻转，以及亮度调整。

4.根据权利要求1所述的方法，其特征在于，所述模型设计步骤中，InceptionNext网络由多个Inception模块组成，每个Inception模块包含不同尺度的卷积层,将大Kernel的De...

【技术特征摘要】

1.一种基于改进yolov11模型的甘蔗分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述数据采集步骤中，图像数据通过无人机、摄像头或移动设备采集，确保覆盖甘蔗种植区域的不同场景和生长阶段。

3.根据权利要求1所述的方法，其特征在于，所述数据预处理步骤中，数据增强技术包括随机旋转、随机缩放、水平翻转和垂直翻转，以及亮度调整。

4.根据权利要求1所述的方法，其特征在于，所述模型设计步骤中，inceptionnext网络由多个inception模块组成，每个inception模块包含不同尺度的卷积层,将大kernel的depth-wise卷积沿channel维度分解为四个并行分支，即两个正交的带状卷积核和一个恒等映射，用于提取多尺度特征，并通过特征融合机制将不同尺度的特征进行融合。

5.根据权利要求1所述的方法，其特征在于，所述损失计算步骤中，分类损失采用交叉熵损失函数，定位损失采用ciou(complete ...

【专利技术属性】
技术研发人员：封人宸，李玉洁，阿哈迈德·恰达德，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：