摘要
本发明公开了一种基于DiverseC2f和LDConv特征提取的害虫检测方法和系统,方法包括:收集包含害虫目标的图片,制作数据集,并将数据集划分为训练集、测试集和验证集;基于YOLOv8网络进行改进,建立害虫检测模型;所述改进包括,将YOLOv8网络中的C2f模块替换为DiverseC2f模块,用于通过融合多样的分支结构增强了卷积层的特征表达;在YOLOv8网络的CBS模块替换为LDConv特征提取模,用于完成不规则卷积特征提取过程;使用训练集和测试集对所述害虫检测模型进行训练,利用训练好的害虫检测模型检测害虫目标;本发明能够在增强的特征表达能力的同时高效地进行特征提取,使模型适应于害虫的不同形态和姿态,从而提高检测的鲁棒性,提升了对害虫的识别准确度和精度。
技术关键词
害虫检测方法
卷积特征提取
训练集
图片
分支
网络
数据
处理器
程序
坐标
生成算法
监测模块
上采样
批量
存储器
鲁棒性
参数
复杂度
指令
系统为您推荐了相关专利信息
评级方法
特征提取单元
多尺度特征提取
局部特征信息
输入端
煤矿漏电保护方法
漏电保护设备
极限学习机
编码特征
高压真空配电装置
深度学习识别系统
配网作业
YOLO模型
油田
视频采集模块