摘要
本专利提出了一种基于YOLOv8算法改进的YOLOv8‑ECCI模型,专门针对染有紫斑病的大豆进行精确检测。在YOLOv8n的基础上,改进的YOLOv8‑ECCI模型不仅在精确度和召回率上表现可观,还展现出了较为出色的泛化能力,尤其是在处理小样本集、光谱特征多样化和大豆遮挡等难题时表现符合预期。添加DCN可变型卷积有效处理图像中的变形目标,提升模型对复杂目标形状和尺度变化的适应性;使用CARAFE上采样检测算法,在减少模型参数量和浮点计算数的同时,提高模型的精确度;引入Wise‑IoU损失函数,有效解决了梯度消失问题,提升网络模型的边界框回归性能,进一步提升了模型在复杂场景下的目标检测性能。
技术关键词
可变形卷积网络
大豆
紫斑
数据
多通道特征
上采样
Sobel边缘检测
算法
模块
图片
特征多样化
检测头
样本
动态
标注工具
训练集
物体
语义特征