基于YOLOv8的舌色特征识别算法

摘要

针对不同舌色差异化微小且直接应用YOLOv8算法进行舌色检测分类效果不佳的问题，提出一种高精度实时舌色识别分类算法YOLOv8-AFD。该算法将自适应特征提取模块（AMLCB）与YOLOv8的C2f相结合，扩大特征提取感受野，兼顾全局上下文信息，同时实现自适应通道特征重标定，增强网络特征提取能力。在YOLOv8网络架构中添加多尺度特征提取模块FF-Block，提升不同尺度的特征提取能力，提高舌色特征分类准确性。将YOLOv8的卷积运算（Conv）替换为动态自适应卷积模块（DyCBAM-Conv），实现自动根据输入图像的特征分布，动态调整不同通道的权重，从而自适应地突出重要的舌色特征，抑制无关的背景信息。实验结果表明，改进后的模型在某中医院采集的数据集上对舌色的识别平均精度均值达到92.6%，相比于其他常用的算法，均有不同程度的提升，对舌色特征的识别效果更好。

关键词

舌色检测 / 自适应特征提取 / 分层特征融合 / 动态自适应卷积机制