摘要
本发明涉及葡萄叶片病害检测领域,提出了一种基于YOLOv8的葡萄叶片病害检测方法,包括以下步骤:采集葡萄叶片的原始病害图像数据,对原始病害图像数据进行预处理,得到病害图像数据,将病害图像数据划分为训练集和验证集;构建YOLOv8基础模型,将YOLOv8基础模型的C2f模块中的Bottleneck结构替换为FasterNet网络结构,得到初始葡萄叶片病害检测模型;基于训练集和验证集对初始葡萄叶片病害检测模型进行训练和测试调优,得到葡萄叶片病害检测模型;将葡萄叶片病害检测模型部署到葡萄叶片病害检测系统,基于葡萄叶片病害检测系统对实时葡萄叶片图像数据或实时葡萄叶片视频数据进行病害检测,得到病害检测结果。本发明实现了对用户上传的葡萄叶片图像或视频数据的实时病害检测。
技术关键词
病害检测方法
葡萄
叶片
图像
数据输入模块
网络结构
可视化模块
抑制算法
多层卷积网络
特征金字塔网络
焦点损失函数
检测头
卷积模块
双线性插值法
更新模型参数
视频
基础
系统为您推荐了相关专利信息
分布控制方法
同位素
医疗自动化设备
长宽比
矩形
多模图像匹配方法
信息熵
特征描述符
轮廓
Freeman链码
管路支架结构
形状优化方法
控制点
数学模型
方程