《农业工程学报》2024年第40卷第15期刊载了河北农业大学许楠、苑迎春、耿俊与何振学的论文——“基于改进YOLOv8s的果实与叶片器官分割方法”。该研究由国家自然科学基金项目(项目号:62102130)等资助。
引文信息:许楠,苑迎春,耿俊,等. 基于改进YOLOv8s的果实与叶片器官分割方法[J]. 农业工程学报,2024,40(15):119-126.
DOI: 10.11975/j.issn.1002-6819.202404002
研究目的与方法:
为解决多器官特征识别存在的多器官数据集难以获取以及待处理数据集存在的密集小目标和多尺度目标等问题,该研究提出了一种基于改进YOLOv8s的果实与叶片器官分割方法。该方法以YOLOv8s为基础,在Backbone部分设计了跨阶段局部残差(residual CSPLayer 2Conv,RC2)模块,以拓宽每个网络层的感受野,使网络能充分提取密集的小目标特征。在Neck部分设计了尺度空间金字塔池化(scale spatial pyramid pooling,SSPP)模块,以充分融合网络的高阶多尺度特征信息,增强模型对多尺度目标的检测能力。在Head部分设计了非对称解耦检测头(asymmetric decoupling detection head,ADDH)模块,使模型分类更关注于中心内容,而回归更关注于边缘信息。
结果与结论:
试验结果表明,在PlantCLEF2022公共数据集中选取的17种果树的数据集中,改进的YOLOv8s模型对果树果实和叶片器官识别的平均精度均值为90.2%,比YOLOv8s模型高6.7个百分点。此外,该研究还将该模型应用到自建的枣数据集上,达到了99.1%的识别准确率,较原模型提升6.6个百分点,证明了所提出方法的通用性,可为常见果树的器官分割与基于多器官特征的细粒度品种分类研究提供参考。
本文由丨《农业工程学报》编辑部丨精编发布
欢迎留言、分享、点赞
转载、投稿、咨询
邮箱:tcsae@tcsae.org
发布征集
欢迎广大作者、读者投稿至我刊公众号,包括但不限于创新科研成果、科技写作技巧、书籍推介、优秀科技工作者介绍、科研团队招聘/招生、行业资讯以及相关活动等农业工程领域信息。
公众号文章投稿邮箱:abe-newmedia@tcsae.org
»» 点击 阅读原文 免费获取全文