基于改进YOLOv8的金丝皇菊轻量化识别方法

摘要

[目的]针对金丝皇菊成熟期生长簇拥密集、成熟花期短，识别难度大等问题，本研究提出一种基于改进YOLOv8的密集金丝皇菊轻量化识别方法。[方法]在原主干中引入轻量级神经网络MobileNetv3,并将原主干网络中的SPPF（spatial pyramid pooling fast）进化为SimSPPF（simple spatial pyramid pooling fast）,减少模型参数量和计算量；在特征融合网络中多次添加CA（coordinate attention）注意力模块，增强目标特征的提取能力；将原模型中的损失函数CIoU（complete intersection over union）优化为WIoU（wise intersection over union）,进一步提升模型精确度。[结果]改进后的模型的精确率、召回率和平均精确率均值分别比原模型提高16.9、9.3和10.3百分点，分别达到94.9%、91.9%、95.2%。网络参数量为23.34 M,比原模型减少6.72 M;GFLOPs下降2.3 G,仅为5.8 G;检测帧率提高6.55 f·s^-1,为17.23 f·s^-1。[结论]该模型针对非结构环境下密集生长的金丝皇菊识别在速度和精度上具有较好的效果，为金丝皇菊智能化采收提供了技术支持。

关键词

深度学习 / 目标检测 / YOLOv8 / 轻量化识别