摘要
本申请涉及一种基于YOLOv8的火龙果成熟度检测方法、装置。所述方法包括:获取在火龙果果园实时采集的待识别火龙果图像;将待识别火龙果图像输入火龙果成熟度检测模型,得到火龙果成熟度检测结果;其中,火龙果成熟度检测模型基于YOLOv8s轻量化架构训练得到,主干网络采用ResNet101网络,在ResNet101网络的最后一层卷积层后嵌入了CBAM注意力模块,CBAM注意力模块聚焦于火龙果的果皮和鳞片区域,增强对火龙果颜色渐变和纹理细节的感知。采用本方法能够提供火龙果成熟度检测的精确度。
技术关键词
轻量化架构
通道
分辨率
注意力
成熟度检测装置
模块
果实
网络
数据
实时图像采集
低光照环境
高亮度环境
低光照条件
检测模型训练
特征提取能力
空间位置关系
鳞片
重叠现象
系统为您推荐了相关专利信息
协同控制方法
分布式控制架构
多无人机
实时通信
通信链路状态
轨迹规划方法
无人艇
水动力模型
神经网络模型训练
轨迹规划系统
静态随机存储器
动态随机存取内存
处理单元
硬件加速器
数据缓冲器
数字孪生建模方法
光电探测器阵列
激光加工过程
成像模块
信息数据处理终端
海上风电功率预测
海上风电场
历史风速数据
皮尔逊相关系数
一维卷积神经网络