一种基于动态蛇形卷积的鸟类识别方法技术

技术编号:46577041 阅读:1 留言:0更新日期:2025-10-10 21:19
本发明专利技术涉及神经网络技术领域,公开了一种基于蛇形动态卷积的鸟类识别方法。该方法包括:采集鸟类图像数据,对鸟类图像数据进行预处理后,制作鸟类图像数据集;利用动态蛇形卷积模块、多层双向特征金字塔网络模块与YOLOv8模型结合,构建改进的YOLOv8模型;将鸟类图像数据集送入改进的YOLOv8模型中进行训练,最后保存训练后的参数;利用训练好的网络对待测鸟类图像数据进行处理,输出鸟类的位置边界框、类别标签及对应的置信度信息。此方法能够高效准确地识别鸟类的类别,提升机场的鸟害防治工作效率。

【技术实现步骤摘要】

本专利技术涉及神经网络,具体涉及一种基于蛇形动态卷积的鸟类识别方法。


技术介绍

1、鸟类撞击航空器是威胁航空安全的重要风险因素。为有效防范鸟类撞击事件,必须全面掌握机场及其周边区域的鸟类分布情况。高效准确地获取鸟类活动数据,对机场开展针对性的鸟害防治工作、保障航空运行安全具有重大意义。

2、传统鸟类识别主要依赖人工观测,这种方式需要对鸟类进行捕捉后再进行识别,由于鸟类运动能力较强、运动范围较大,所以人工观测的方式耗时耗力且效率低下,同时现有深度学习网络在处理鸟类运动过程中的图片时识别率较低。


技术实现思路

1、有鉴于此,本专利技术提供了一种基于动态蛇形卷积的鸟类识别方法,解决了
技术介绍
中涉及的问题。

2、一种基于动态蛇形卷积的鸟类识别方法,包括以下步骤:

3、s1、采集鸟类图像,对鸟类图像进行预处理后,制作鸟类图像数据集;

4、s2、利用dyc2f模块(动态蛇形卷积模块)、bifpn模块(多层双向特征金字塔网络模块)与yolov8模型结合,构建改进的yolov8本文档来自技高网...

【技术保护点】

1.一种基于动态蛇形卷积的鸟类识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述步骤S1具体为:

3.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述改进的YOLOv8模型包括Backbone网络、Neck网络和Head网络,具体为:

4.根据权利要求3所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,动态蛇形卷积模块在输入的特征图上进行采样,计算方式如下:

5.根据权利要求3所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,多层双向特征金字塔网...

【技术特征摘要】

1.一种基于动态蛇形卷积的鸟类识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述步骤s1具体为:

3.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述改进的yolov8模型包括backbone网络、...

【专利技术属性】
技术研发人员:张强张灿智王开源曹恒
申请(专利权)人:中国民用航空飞行学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1