摘要
本发明公开了基于YOLOv8的百香果成熟度检测方法,具体涉及农业果蔬检测技术领域。目的是优化百香果生长期阶段的检测方式,提高百香果生长期阶段图像识别的准确性和鲁棒性。该方法是由如下步骤实现的:步骤一:收集百香果生长期阶段图像,建立百香果生长期阶段图像数据集;步骤二:对百香果生长期阶段图像进行预处理,标定百香果生长期各阶段图像并建立训练集和测试集;步骤三:构建训练使用的深度学习网络模型,搭载YOLOv8框架;步骤四:设定模型训练参数,图像处理参数,分类识别检测参数等;步骤五:使用调整好的百香果生长期各阶段目标检测识别模型对百香果生长期各阶段图像训练集进行训练;步骤六:使用测试集测试训练后的模型,训练结果合理输出模型。本发明适用于智慧农业果蔬系统。
技术关键词
阶段
TensorFlow框架
分类识别检测
深度学习网络模型
策略优化方法
训练集
农业果蔬
参数
深度学习模型
图片
智慧农业
数据
标签
硬盘
图像处理
格式
鲁棒性
指标
平台