一种基于图像预处理的YOLOv8害虫检测方法及装置

    公开(公告)号:CN118365936A

    公开(公告)日:2024-07-19

    申请号:CN202410474205.7

    申请日:2024-04-19

    Applicant: 新疆大学

    Abstract: 本发明公开了一种基于图像预处理的YOLOv8害虫检测方法及装置,包括:对自建的害虫数据集进行标注和划分;构建改进的图像预处理网络,将害虫图像进行预处理;构建改进的YOLOv8害虫检测网络,在YOLOv8颈部引入结合图像多尺度的全局语义信息SSFF模块和捕获小目标局部精细细节的TFE模块;将预处理后的害虫图像输入到改进的YOLOv8害虫检测网络中,用于增强小目标害虫的特征提取,之后使用合成的数据集进行评估模型,在自建的害虫数据集上进行测试。装置包括:处理器和存储器。本发明先对图像进行预处理,恢复害虫特征,减少光照变化所带来的影响;之后再将处理后的害虫图像输入到改进的检测网络里,提高微小害虫检测精度。

    一种夜间大视场下视频图像小目标变化检测方法及装置

    公开(公告)号:CN119027702A

    公开(公告)日:2024-11-26

    申请号:CN202411030050.4

    申请日:2024-07-30

    Applicant: 新疆大学

    Abstract: 本发明公开了一种夜间大视场下视频图像小目标变化检测方法及装置,方法包括:采用综合Anscombe根变换和全变分正则化去除差异图中残留的泊松噪声,通过逆变换得到去噪图像;使用基于偏微分方程的全变分正则化、最小化能量泛函数去除去噪图像中残留的高斯噪声;使用原始对偶算法来求解上述能量泛函数;基于统计信息的多尺度的超像素分割与重建方法对差异图进行处理,用于增强变化区域的边缘特征,同时抑制噪声的干扰;基于多尺度奇异值分解融合对两幅差异图进行融合,使用FCM聚类算法对融合后的差异图进行分割得到检测结果。装置包括:处理器和存储器。本发明通过多尺度奇异值分解融合算法对两幅差异图进行融合得到一个鲁棒差异图,最终通过聚类算法获得细节结构完整的变化检测结果。

    一种轻量化杂草检测方法及装置
    4.
    发明公开

    公开(公告)号:CN118230156A

    公开(公告)日:2024-06-21

    申请号:CN202410291768.2

    申请日:2024-03-14

    Applicant: 新疆大学

    Abstract: 本发明公开了一种轻量化杂草检测方法及装置,方法包括:采集杂草图片,使用Labelimg标记并构建数据集;设计新的通道注意力机制,使其获取杂草全局信息的能力得到增强;将轻量级小型语义分割模块融入到C2f特征提取层,其内部轻量的CG块在学习杂草边缘和周围上下文联合特征时,引入全局上下文特征;颈部网络优化,将具有双向交叉连接和快速归一化融合的特征金字塔网络改进到YOLOv8的Neck层,使其获取不同尺度提取特征并作加权融合;将SERMAttention、CG块和BiFPN模块与YOLOv8相结合,提出适用于农田杂草检测的轻量级LW‑YOLOv8模型,并在公共数据集上进行评估,基于轻量级LW‑YOLOv8模型实现对轻量化杂草的检测。装置包括:处理器和存储器。

    基于YOLOv8n的轻量化虫类小目标检测方法及装置

    公开(公告)号:CN118470402A

    公开(公告)日:2024-08-09

    申请号:CN202410582155.4

    申请日:2024-05-11

    Applicant: 新疆大学

    Abstract: 本发明公开了一种基于YOLOv8n的轻量化虫类小目标检测方法及装置,方法包括:构建损失函数;将空间注意力机制融入到C2f特征提取层,形成C2f‑RFAConv,同时将RFAConv替换默认的Conv,用C2f‑RFAConv和RFAConv来进行特征提取;在网络结构中增加一检测头用于检测小目标,并修改卷积的数量;将损失函数,C2f‑RFAConv,RFAConv和添加的检测头与YOLOv8n相结合,获取适用于农田虫类小目标检测的轻量化YOLOv8n‑Improved模型,基于模型对虫类小目标进行检测。装置包括:处理器和存储器。本发明在降低网络参数量的同时,保证了检测精度较高。

Patent Agency Ranking