基于多尺度特征增强的改进YOLOv11n桑蚕健康状态实时检测研究AET-电子技术应用-最丰富的电子设计资源平台

基于多尺度特征增强的改进YOLOv11n桑蚕健康状态实时检测研究
所属分类：技术论文
上传者：wwei
文档大小：3996 K
标签： YOLOv11n 多尺度分组空洞卷积 DySample
所需积分：0分积分不够怎么办？
文档介绍：为解决传统桑蚕养殖中病蚕识别滞后、检测精度不足的问题，提出一种改进YOLOv11n的桑蚕健康状态检测方法（MSDA-YOLO）。该方法的核心创新包括：（1）在主干网络中引入多尺度分组空洞卷积（Multi-scale Grouped Dilated Convolution，MSGDC）与C3k2结合设计了C3k2MS模块，以提升对不同尺度特征的提取能力；（2）首次在桑蚕检测研究中引入DySample动态上采样器，提高在密集场景下对蚕体的空间细节感知与几何结构保持能力；（3）使用自适应空间特征融合策略（Adaptively Spatial Feature Fusion，ASFF）改造YOLOv11的检测头，优化多尺度特征融合效能，抑制尺度间特征冲突。实验结果表明，MSDA-YOLO在多项评估指标上均表现出色。具体而言，该方法在精确率上达到87.0%，召回率为77.8%，mAP@0.5为87.3%，mAP@0.5：0.95为52.8%，均领先于基线模型YOLOv11n和目前主流的YOLO系列检测模型，在桑蚕健康检测方面具有明显优势。
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。