基于EBP-YOLOv8 的葡萄葉病害檢測(cè)與識(shí)別方法研究

打開文本圖片集

摘 要： 為提高實(shí)際環(huán)境中葡萄葉病害檢測(cè)的準(zhǔn)確率，適合視頻實(shí)時(shí)監(jiān)測(cè)、無(wú)人機(jī)等嵌入式AI應(yīng)用場(chǎng)景，對(duì)YOLOv8 目標(biāo)檢測(cè)模型從模型結(jié)構(gòu)、輕量化等方面進(jìn)行改進(jìn)，構(gòu)建了EBP-YOLOv8。首先在頸部網(wǎng)絡(luò)中引入BiFPN 結(jié)構(gòu)，加強(qiáng)模型特征層之間的融合，改善對(duì)小目標(biāo)的檢測(cè)能力；其次使用C2_P來(lái)替換頸部網(wǎng)絡(luò)中的C2f 結(jié)構(gòu)，實(shí)現(xiàn)模型的輕量化，在降低模型計(jì)算量的同時(shí)而不影響其精度；然后在特征提取網(wǎng)絡(luò)中融入EMA注意力機(jī)制，提升網(wǎng)絡(luò)對(duì)感興趣區(qū)域的關(guān)注，提升模型對(duì)復(fù)雜背景、相似病斑的識(shí)別能力；最后將CIoU 損失函數(shù)替換為ECIoU 損失函數(shù)，進(jìn)一步提升模型的檢測(cè)性能，使模型能夠更好地收斂。（剩余2169字）