基于深度学习的桑叶病害识别方法研究AET-电子技术应用-最丰富的电子设计资源平台

基于深度学习的桑叶病害识别方法研究
所属分类：技术论文
上传者：wwei
文档大小：5140 K
标签：桑叶病害 YOLOv8 目标检测
所需积分：0分积分不够怎么办？
文档介绍：为提高桑叶病害检测精度，实现将模型方便快速部署到移动端，针对自然环境下桑叶病害病斑小、背景复杂等问题，以YOLOv8为基线模型进行改进，提出了一种YOLOv8-Evo的桑叶病害识别算法。首先在Backbone模块中加入了可变形卷积模块从而更灵活地捕捉病害的细节和形状，其次在Neck模块中增加了CBAM（Convolutional Block Attention Module）注意力机制，发掘图像中的关键特征和区域，最后在18 849张桑叶病害数据集上进行验证，相较YOLOv8s模型，YOLOv8-Evo的识别精度提高2.4%，召回率提高1.5%，mAP50提高1%，mAP50-95提高0.7%，实验证明改进的YOLOv8-Evo模型为桑叶病害识别的自动化提供了理论依据与技术支持。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动