基于YOLOv8-FCS的指纹片 (医学"指纹") 的分类检测模型
Lingtao Zhang1,2, Pu Luo1,2, Shaoyun Ding1,2
1College of Information Engineering, Sichuan Agricultural University, Ya'an, China.
Frontiers in plant science
|June 21, 2024
概括
这项研究引入了一种改进的YOLOv8-FCS模型,用于自动分类指纹片. 该模型实现了高精度和效率,为草药产品行业提供了实用解决方案.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 手指片是有价值的草药产品,需求日益增加.
- 目前的手动分类方法为指纹片是劳动密集型和降低利能力.
- 标准化和自动化是必要的,以实现高效的指纹片分类.
研究的目的:
- 开发一个自动化,准确和快速分级的检测模型,用于指纹片.
- 改进现有的物体检测模型,以提高农产品分类的性能.
主要方法:
- 创建了一个用手指切片图像的数据集,并手动标记.
- 通过结合Fasternet骨干和BiFPN结构来增强YOLOv8n模型,从而产生了YOLOv8-FCS模型.
- 改进的模型在指纹片数据集上进行了训练和评估.
主要成果:
- YOLOv8-FCS模型实现了98.1%的分级精度.
- 该模型表现出高计算效率,尺寸为6.4M和130.3FPS.
- 性能超过了传统的模型,如RT-DETR,更快的R-CNN,SSD300和YOLOv8n.
结论:
- 开发的YOLOv8-FCS模型提供了一个快速而精确的解决方案,用于分类指纹片.
- 这种自动化分级系统对草药产品行业具有重大实际价值.
- 该模型支持农产品自动分类系统的发展.


