公开(公告)号：CN118736565A

公开(公告)日：2024-10-01

申请号：CN202410869578.4

申请日：2024-07-01

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 伍锡如 ,  杨泽新 ,  张雨秋

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv8的水果检测策略优化方法，具体涉及农业果蔬检测技术领域。目的是优化水果的检测方式，提高水果图像识别的准确性和鲁棒性。该方法是由如下步骤实现的：步骤一：收集水果图像，建立水果图像数据集；步骤二：对水果图像进行预处理，标定水果图像并建立训练集和测试集；步骤三：搭建YOLOv8模型框架；步骤四：替换原有模型的检测策略，使用WISEIOU训练策略；步骤五：使用改进后的水果检测模型对水果训练集进行训练；步骤六：使用测试集测试训练后的模型，并输出模型。本发明适用于智慧农业果蔬系统。

公开(公告)号：CN118692076A

公开(公告)日：2024-09-24

申请号：CN202410869402.9

申请日：2024-07-01

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 伍锡如 ,  杨泽新 ,  张雨秋 ,  刘昊鹏

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv8的百香果数据集优化与检测方法，具体涉及农业果蔬检测技术领域。目的是优化百香果的检测方式，提高百香果图像识别的准确性和鲁棒性。该方法是由如下步骤实现的：步骤一：收集和整理百香果图像数据集，对图像进行预处理，进行尺寸调整、归一化；步骤二：建立百香果图像数据集，将收集好的百香果图像进行标签标注；步骤三：使用YOLOv8深度学习模型，在标注好的百香果图像数据集上进行训练，训练得到百香果检测模型；步骤四：添加Augment模块，对训练数据进行数据增强，对图像进行随机裁剪、翻转、颜色抖动；步骤五：使用改进后的百香果检测模型，对待检测的百香果图像进行识别，输出识别结果。本发明适用于智慧农业果蔬系统。

公开(公告)号：CN118692075A

公开(公告)日：2024-09-24

申请号：CN202410869281.8

申请日：2024-07-01

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 伍锡如 ,  杨泽新 ,  张雨秋 ,  柳标

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv8的百香果成熟度检测方法，具体涉及农业果蔬检测技术领域。目的是优化百香果生长期阶段的检测方式，提高百香果生长期阶段图像识别的准确性和鲁棒性。该方法是由如下步骤实现的：步骤一：收集百香果生长期阶段图像，建立百香果生长期阶段图像数据集；步骤二：对百香果生长期阶段图像进行预处理，标定百香果生长期各阶段图像并建立训练集和测试集；步骤三：构建训练使用的深度学习网络模型，搭载YOLOv8框架；步骤四：设定模型训练参数，图像处理参数，分类识别检测参数等；步骤五：使用调整好的百香果生长期各阶段目标检测识别模型对百香果生长期各阶段图像训练集进行训练；步骤六：使用测试集测试训练后的模型，训练结果合理输出模型。本发明适用于智慧农业果蔬系统。