摘要
本发明涉及图像处理与目标跟踪技术领域,本发明提供了一种震荡果实检测与跟踪的方法、装置及设备,所述方法包括:采集果园果实图像数据并对图像进行预处理;基于YOLOv8n改进构建多尺度震荡果实检测网络模型;基于DeepSORT算法构建多尺度震荡果实检测网络模型;构建多尺度震荡果实检测与跟踪网络模型;采用标注数据对多尺度震荡果实检测与跟踪模型进行训练,并对其进行验证。本发明基于YOLOv8n与DeepSORT的改进,采用多尺度策略进行震荡果实的检测与跟踪,通过引入C2f‑Dattention注意力机制、CAA‑HSFPN轻量化网络和SPPF‑LSKA多尺度检测模块,显著提升了果实检测的精度和处理速度,同时,结合优化后的DeepSORT跟踪算法,进一步增强了果实跟踪的稳定性与准确性。
技术关键词
检测网络模型
果实
轻量化结构
多尺度特征金字塔
通道注意力机制
网络模块
卡尔曼滤波算法
多层次特征
全局平均池化
特征提取网络
模型训练模块
图像采集模块
检测误差
系统为您推荐了相关专利信息
图像识别技术
通道注意力机制
动态背景建模
识别方法
多光谱特征
视角
Softmax函数
补丁
通道注意力机制
特征提取网络
可见光图像
红外图像特征
泄漏检测方法
润滑油
特征提取模块
人工智能算法
识别方法
通道注意力机制
融合特征
矩阵