基于改进YOLOv8算法的实时细粒度植物病害检测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为解决现有识别方法在植物病害检测中遇到的密集分布、不规则形态、多尺度目标类别、纹理相似性等障碍，提出一种高性能的实时细粒度植物病害检测框架。首先，在YOLOv8主干网络和颈部设计两个新的残差块，增强特征提取和降低计算成本；其次，引入DenseNet层，并使用Hard-Swish函数作为主要激活函数，以提高模型的准确性；最后，设计PANet网络，用于保留细粒度的局部信息和改善特征融合。（剩余9548字）

试读结束

目录
monitor