基于MCD-YOLOv8的土壤息者虫损害的目标检测方法

科学领域:

• 工程 工程师 工程师 工程师
• 环境科学 环境科学
• 计算机科学 计算机科学

背景情况:

• 全球气候变化和生态衰退对水力工程安全构成重大威胁.
• 居住在土壤中的白,如 Odontotermes formosanus 和 Macrotermes barneyi,对土壤和岩石结构造成重大破坏,例如水库和堤防.
• 有效识别白伤害对于主动监测,早期预警系统和液压工程中的控制策略至关重要.

研究的目的:

• 开发一种先进的物体检测模型,用于识别水利工程中的土壤虫损伤.
• 使用人工智能提高了白伤害检测的准确性和效率.

主要方法:

• 开发了一种改进的YOLOv8模型,MCD-YOLOv8,它结合了蒙特卡洛注意 (MCA) 模块和维度意识选择性集成 (DASI) 模块.
• 该MCA模块通过随机抽样聚合生成关注地图来增强对小目标的识别.
• DASI模块优化了计算时间和内存使用,提高了检测速度和准确性.

主要成果:

• 与传统和增强型号相比,MCD-YOLOv8模型在检测白伤害方面表现出卓越的性能.
• 该模型在精度 (6.4%) 和平均平均精度 (2.4%) 上比标准YOLOv8.4取得了显著的改进.
• MCD-YOLOv8 减少了 105,320 个模型参数,减少了检测盒冗余,并提高了小目标检测准确度.

结论:

• 在复杂的液压工程环境中,MCD-YOLOv8模型为智能识别白伤害提供了强大的解决方案.
• 这种人工智能驱动的方法增强了对白活动的智能监控.
• 开发的模型为在基础设施保护中推进虫控制技术提供了关键的技术支持.