基于深度學(xué)習(xí)的桑葉病害識(shí)別方法研究
所屬分類(lèi)：技術(shù)論文
上傳者：wwei
文檔大?。?span>5140 K
標(biāo)簽： 桑葉病害 YOLOv8 目標(biāo)檢測(cè)
所需積分：0分積分不夠怎么辦？
文檔介紹：為提高桑葉病害檢測(cè)精度，實(shí)現(xiàn)將模型方便快速部署到移動(dòng)端，針對(duì)自然環(huán)境下桑葉病害病斑小、背景復(fù)雜等問(wèn)題，以YOLOv8為基線模型進(jìn)行改進(jìn)，提出了一種YOLOv8-Evo的桑葉病害識(shí)別算法。首先在Backbone模塊中加入了可變形卷積模塊從而更靈活地捕捉病害的細(xì)節(jié)和形狀，其次在Neck模塊中增加了CBAM（Convolutional Block Attention Module）注意力機(jī)制，發(fā)掘圖像中的關(guān)鍵特征和區(qū)域，最后在18 849張桑葉病害數(shù)據(jù)集上進(jìn)行驗(yàn)證，相較YOLOv8s模型，YOLOv8-Evo的識(shí)別精度提高2.4%，召回率提高1.5%，mAP50提高1%，mAP50-95提高0.7%，實(shí)驗(yàn)證明改進(jìn)的YOLOv8-Evo模型為桑葉病害識(shí)別的自動(dòng)化提供了理論依據(jù)與技術(shù)支持。
現(xiàn)在下載
VIP會(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。