引用格式
引用格式：吴小燕, 郭威, 朱轶萍, 朱华吉, 吴华瑞. 基于改进YOLOv8s的大田甘蓝移栽状态检测算法[J]. 智慧农业(中英文), 2024, 6(2): 107-117.
DOI：10.12133/j.smartag.SA202401008
Citation:WU Xiaoyan, GUO Wei, ZHU Yiping, ZHU Huaji, WU Huarui. Transplant Status Detection Algorithm of Cabbage in the Field Based on Improved YOLOv8s[J]. Smart Agriculture, 2024, 6(2): 107-117.
DOI：10.12133/j.smartag.SA202401008
官网全文免费阅读
基于改进YOLOv8s的大田甘蓝
移栽状态检测算法
吴小燕1，2， 郭威2，3，4，5， 朱轶萍2， 朱华吉2，3，4，5， 吴华瑞2，3，4，5*
（1.广西大学 计算机与电子信息学院， 广西南宁 530000，中国；2.国家农业信息化工程技术研究中心，北京 100097，中国；3.北京市农林科学院 信息技术研究中心，北京 100097，中国；4.农业农村部数字乡村技术重点实验室，北京 100097，中国；5.农业农村部农业信息技术重点实验室，北京 100097，中国）
摘要：
［目的/意义］借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析，将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计，提高甘蓝移栽后的成活率以及制定后续工作方案，减少人力和物力的浪费，研究一种自然环境下高效识别甘蓝移栽状态的算法。
［方法］采集移栽后的甘蓝图像，利用数据增强方式对数据进行处理，输入YOLOv8s（You Only Look Once Version 8s）算法中进行识别，通过结合可变形卷积，提高算法特征提取和目标定位能力，捕获更多有用的目标信息，提高对目标的识别效果；通过嵌入多尺度注意力机制，降低背景因素干扰，增加算法对目标区域的关注，提高模型对不同尺寸的甘蓝的检测能力，降低漏检率；通过引入Focal-EIoU Loss（Focal Extended Intersection over Union Loss），优化算法定位精度，提高算法的收敛速度和定位精度。［
结果和讨论］提出的算法经过测试，对甘蓝移栽状态的召回率R值和平均精度均值（Mean Average Precision，mAP）分别达到92.2%和96.2%，传输速率为146帧/s，可满足实际甘蓝移栽工作对移栽状态识别精度和速度的要求。
［结论］提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别，可以提升移栽质量测量效率，减少时间和人力投入，提高大田移栽质量调查的自动化程度。
关键词： 甘蓝移栽；YOLOv8s；目标检测；多尺度注意力机制；可变形卷积
文章图片
图1 甘蓝幼苗不同移栽状态数据示例
Fig. 1 Data examples of different transplanting states of cabbage seedlings
图2 不同数据增强方式下的甘蓝幼苗图像数据示例
Fig. 2 Data examples of cabbage seedling images of different data enhancement methods
图3 高效多尺度注意力机制结构图
Fig. 3 Efficient multi-scale attention structure diagram
图4 DCNV3实现过程图
Fig.4 DCNV3 implementation process diagram
图5 本研究提出的YOLOv8s-FDN网络结构图
Fig. 5 YOLOv8s-FDN network structure diagram proposed in this research
图6 YOLOv8s-FDN的AP、R、mAP趋势图
Fig. 6 AP， R， and mAP trend chart of YOLOv8s-FDN
图7 YOLOv8s和YOLOv8s-FDN训练的Loss收敛对比图
Fig. 7 Comparison of Loss convergence between YOLOv8s and YOLOv8s-FDN training
图8 YOLOv8s和YOLOv8s-FDN对不同甘蓝移栽状态识别效果
Fig. 8 Identification effect of YOLOv8s and YOLOv8s-FDN on different transplanting states of cabbage
图9 YOLOv8s和YOLOv8s-FDN对多株甘蓝幼苗图像识别结果
Fig. 9 Image recognition results of multiple cabbage seeding plants by YOLOv8s and YOLOv8s-FDN
作者简介
吴华瑞 研究员
吴华瑞，研究员，科技部“十四五”数字乡村技术预测专家组组长、国家“十四五”重点专项“乡村产业共性关键技术研发与集成应用”总体组专家、农业农村部数字乡村技术重点实验室主任，农业农村部特色经济作物全程机械化专家组成员，中国人工智能学会智能农业专委会主任，国家大宗蔬菜产业技术体系智能化管理岗位科学家，入选国家级人才。主要从事农业大数据、人工智能与蔬菜智慧无人农场相关研究工作。近年来获国家科技进步奖1项，省部级奖励5项，发表论文85篇（SCI 25篇），授权发明专利37项，编制颁布标准8项，著作2部，软著34项。
来源：《智慧农业（中英文）》2024年第2期
转载请联系编辑部授权
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
