Mejora del modelo YOLOv8 y SAHI para la detección colaborativa de objetivos pequeños a escala micro: un estudio de caso sobre la detección de plagas en el té
Autores: Ye, Rong; Gao, Quan; Qian, Ye; Sun, Jihong; Li, Tong
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Mejora del modelo YOLOv8 y SAHI para la detección colaborativa de objetivos pequeños a escala micro: un estudio de caso sobre la detección de plagas en el té
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Plaga
Reconocimiento de imágenes
YOLOv8
Modelo ligero
Extracción de características
Mecanismo de atención
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
La identificación de plagas en entornos de producción agrícola es un desafío debido a la distribución densa, el tamaño pequeño y la alta densidad de las plagas. Además, la iluminación ambiental variable y los fondos complejos complican aún más el proceso de detección. Este estudio se centra en mejorar el rendimiento de reconocimiento de plagas del té mediante la introducción de un modelo ligero de reconocimiento de imágenes de plagas basado en la arquitectura mejorada YOLOv8.
Descripción
La identificación de plagas en entornos de producción agrícola es un desafío debido a la distribución densa, el tamaño pequeño y la alta densidad de las plagas. Además, la iluminación ambiental variable y los fondos complejos complican aún más el proceso de detección. Este estudio se centra en mejorar el rendimiento de reconocimiento de plagas del té mediante la introducción de un modelo ligero de reconocimiento de imágenes de plagas basado en la arquitectura mejorada YOLOv8.