金字塔-YOLOv8:一种检测算法,用于精确检测大米叶爆炸
Qiang Cao1, Dongxue Zhao1, Jinpeng Li1
1College of Information and Electrical Engineering, Shenyang Agricultural University, Shenyang, 110866, China.
Plant methods
|September 28, 2024
概括
金字塔-YOLOv8提供快速和准确的爆病检测,改进了现有的方法. 这种进步有助于可持续农业,通过有效的疾病管理提高水产量和质量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 大米爆炸对全球大米产量构成重大威胁,影响产量和质量.
- 传统的疾病检测方法往往是缓慢和低效的,阻碍了及时干预.
- 准确和快速的疾病鉴定对于可持续农业和粮食安全至关重要.
研究的目的:
- 开发一种快速而准确的方法来检测大米叶爆发病.
- 改进现有的深度学习模型,用于农业疾病检测.
- 为米种植中的疾病管理策略提供一个新的视角.
主要方法:
- 基于YOLOv8x网络框架的拟议金字塔-YOLOv8算法.
- 包括一个多注意力功能融合网络和一个额外的检测头.
- 设计了一个轻量级的C2F-Pyramid模块,以提高计算效率.
主要成果:
- 实现了84.3%的平均平均精度 (mAP),超过了几个基准模型.
- 证明了62.5 FPS的检测速度,模型大小为42.0 M的参数.
- 模型尺寸缩小了41.7%,浮点操作 (FLOP) 缩小了23.8%.
结论:
- 金字塔-YOLOv8为大米叶爆炸检测提供了高效和准确的解决方案.
- 开发的算法为农业疾病检测提供了坚实的理论基础.
- 这项工作引入了在米生产中疾病管理和预防的新策略.


