基于EBP-YOLOv8的葡萄叶病害检测与识别方法研究OA北大核心CSTPCD
Detection and Identification Method of Grape Leaf Diseases Based on EBP-YOLOv8
为提高实际环境中葡萄叶病害检测的准确率,适合视频实时监测、无人机等嵌入式AI应用场景,对YOLOv8目标检测模型从模型结构、轻量化等方面进行改进,构建了EBP-YOLOv8.首先在颈部网络中引入BiFPN结构,加强模型特征层之间的融合,改善对小目标的检测能力;其次使用C2_P来替换颈部网络中的C2f结构,实现模型的轻量化,在降低模型计算量的同时而不影响其精度;然后在特征提取网络中融入EMA注意力机制,提升网络对感兴趣区域的关注,提升模型对复杂背景…查看全部>>
In order to improve the accuracy of grape leaf disease detection in real environments,suitable for real-time video monitoring,UAVs and other embedded AI application scenarios,the YOLOv8 target detection model was improved in terms of model structure,lightweight and so on,and constructed EBP-YOLOv8.Firstly,BiFPN structure is introduced into the neck network to strengthen the fusion between the feature layers of the model and improve the detection abilit…查看全部>>
蔺瑶;曾晏林;刘金涛;李佳骏;李双;董晖;杨毅
云南农业大学大数据学院,云南 昆明 650201云南农业大学大数据学院,云南 昆明 650201云南农业大学大数据学院,云南 昆明 650201云南农业大学大数据学院,云南 昆明 650201云南农业大学大数据学院,云南 昆明 650201云南农业大学大数据学院,云南 昆明 650201云南农业大学大数据学院,云南 昆明 650201
计算机与自动化
葡萄叶病害YOLOv8BiFPNEMA注意力机制轻量化
Grape leaf diseasesYOLOv8BiFPNattention mechanismlightweight
《山东农业大学学报（自然科学版）》 2024 (3)
322-334,13
云南省重大科技专项:云果数字化关键技术研发与应用示范(202002AE09001002)
评论