对象检测算法用于在田环境中的Pomacea canaliculata的蛋
Guang Qi Wang1,2, Jing He1, Rui Ning Hu1,2
1College of Geography and Planning, Chengdu University of Technology, Chengdu, China.
Frontiers in plant science
|December 1, 2025
概括
一个增强的YOLOv8n算法准确地检测到米田的入侵果牛蛋,改善了粮食安全. 这种方法克服了诸如封闭和密集的目标等挑战,以更好地监测入侵物种.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 侵袭性物种管理 侵袭性物种管理
背景情况:
- *Pomacea canaliculata*对中国的作物产量和质量构成重大威胁.
- * 在大米田中检测Pomacea canaliculata*蛋具有挑战性,原因是特征污染,封闭和密集的目标.
研究的目的:
- 开发一种基于YOLOv8n的增强算法,用于准确有效地检测米田中的Pomacea canaliculata蛋.
- 改善入侵物种监测以提高粮食安全.
主要方法:
- 实现了一个增强的YOLOv8n算法,在骨干中结合了万维动态卷积 (ODConv).
- 使用了Slim-neck结构,以优化功能处理效率.
- 设计了一个感应场注意力头 (RFAHead),用于精细的检测.
主要成果:
- 与原来的YOLOv8.8相比,改进后的模型实现了3.3%和4.2%更高的平均精度 (mAP@0.5和mAP@0.5:0.95),与原来的YOLOv8.8相比.
- 在mAP指标中表现出比Faster R-CNN,YOLOv3-tiny,YOLOv5,YOLOv6,YOLOv7-tiny,YOLOv9-t,YOLOv10n和YOLOv11n更高的性能.
- 视觉分析证实,对小型和封闭目标的识别有所改善.
结论:
- 拟议的算法可以在田中准确和快速检测Pomacea蛋.
- 这为有效的入侵物种控制和保障粮食安全提供了至关重要的技术支持.
