基于SR-YOLOv8n-BCG的模糊花卉图像检测
黄小龙
陈中举
许浩然
李和平
长江大学 计算机科学学院,湖北 荆州 434023
摘要：为满足复杂环境下对模糊花卉图像快速、精确的检测需求,提出了一种组合模型SR-YOLOv8n-BCG,该模型有效地综合了SRGAN(Super-resolution generative adversarial network)的图像重建能力和YOLOv8的目标检测能力,并针对网络结构进一步改进,以提高准确率并实现轻量化.首先,SR-YOLOv8n-BCG利用SRGAN对模糊花卉图像进行超分辨处理,提高输入模型的图像质量.其次,在YOLOv8n特征提取网络中使用加权双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)替换PAN-FPN模块,以有效融合多尺度的花卉特征,并降低模型的体积.同时,引入坐标注意力机制(Coordinate attention,CA)以增强模型的特征提取能力.最后,利用Ghost卷积替换普通卷积,进一步提升检测精度并轻量化模型.结果表明,经过在自制的5类花卉数据集上的试验评估,相较于SR-YOLOv8n,SR-YOLOv8n-BCG模型在模型尺寸减小35.5%的情况下,平均精度均值提高1.2百分点,达到95.4%.表明提出的改进模型有效地提高了对模糊花卉图像检测的准确率,并实现了轻量化以适应低配的设备.
关键词：花卉图像检测SRGANYOLOv8BiFPN坐标注意力机制Ghost卷积
分类号：S126(农业物理学)TP391.41(计算技术、计算机技术)
资助基金：湖北省教育厅科学技术研究项目(B2021052)
论文发表日期：2024-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：11( 161-171 )
英文信息