| 基于深度學習的桑葉病害識別方法研究 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大小：5140 K | |
| 標簽： 桑葉病害 YOLOv8 目標檢測 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：為提高桑葉病害檢測精度，實現將模型方便快速部署到移動端，針對自然環境下桑葉病害病斑小、背景復雜等問題，以YOLOv8為基線模型進行改進，提出了一種YOLOv8-Evo的桑葉病害識別算法。首先在Backbone模塊中加入了可變形卷積模塊從而更靈活地捕捉病害的細節和形狀，其次在Neck模塊中增加了CBAM（Convolutional Block Attention Module）注意力機制，發掘圖像中的關鍵特征和區域，最后在18 849張桑葉病害數據集上進行驗證，相較YOLOv8s模型，YOLOv8-Evo的識別精度提高2.4%，召回率提高1.5%，mAP50提高1%，mAP50-95提高0.7%，實驗證明改進的YOLOv8-Evo模型為桑葉病害識別的自動化提供了理論依據與技術支持。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2