摘要
本发明公开了一种棉花轧工质量检测方法及系统,涉及棉花质量分类技术领域。本发明的技术要点包括:获取棉花图像数据集;基于棉花图像数据集训练基于改进Yolov8网络的分类模型;将待检测棉花图像输入训练好的分类模型中进行分类,获取棉花质量等级。本发明在Yolov8网络的主干网络末端嵌入高效通道注意力模块,显著提升了模型对棉花纹理、疵点分布等细粒度特征的提取能力;采用Focal Loss函数调整难易样本权重,降低高质量锚框梯度对训练的影响;将IoU损失改进为EIoU,通过最小化预测框与真实框的中心距离及宽高差异,提升边界框回归精度。实验结果显示改进后的Yolov8模型整体性能明显优于原模型。本发明为棉花的轧工质量分类提供了有力地数据支持。
技术关键词
注意力机制
Sigmoid函数
检测棉花
模型训练模块
网络
细粒度特征
数据
图像获取模块
文件夹
样本
通道
分类技术
因子
焦点
矩形
纹理
参数
系统为您推荐了相关专利信息
合规性检测方法
多标签
图像
分支
分布式训练方法
电力负荷预测方法
动态滑动窗口
编码
时序依赖关系
节假日信息
网络拥塞控制方法
流量预测模型
网络流量数据
电力系统
链路