买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨理工大学

摘要：本发明公开了一种基于改进YOLOv8模型的番茄分割方法，该方法主要包括寻找类别丰富的番茄分割数据集，对其进行数据增强处理并进行手动标注，扩充数据集数量，对YOLOv8n模型进行改进，主干替换为MobileNetv3使模型轻量化，对YOLOv8n网络头部引入DCNv2可变型卷积能更好的适应目标的形态，并在头部添加通道注意力机制关注特征层的通道信息和空间信息。结果表明，改进后的算法类别平均精度为91.8％，本方法在识别准确率和速度两方面达到了实用化的要求，进一步推动番茄采摘机器人及智慧农业的发展。

主权项：1.一种基于改进YOLOv8模型的番茄分割方法，其特征在于，包括以下步骤：S1：在互联网搜寻番茄数据集，并在番茄种植园中拍摄图片，对所有番茄图片进行数据增强处理并进行手工标注，扩充数据集数量，所述步骤S1的具体步骤为：S11：对网上下载的番茄图片和番茄种植园拍摄的图片采用裁剪、噪声、旋转等方式进行数据增强后进行手动标注；S12：对标注好的数据集进行处理，按照8:1:1划分为训练集、验证集、测试集，为后续模型训练做好准备；S2：调整Dropout参数，Dropout是一个常用于深度学习的减轻过拟合的方法，该方法在每一轮训练中随机删除部分隐藏层神经元，被删除的神经元不会进行正向或反向信号传递。在测试阶段所有神经元都会传递信号，但对各个神经元的输出要乘以训练时删除比例，本次Dropout参数设置为0.5；S3：确定YOLOv8网络，分别对n、m、s、x、l这几个模型进行测试，考虑精度和尺寸大小等方面，比较五种模型测试后的参数量大小、类别平均精度、速度，综合考虑，最终选择YOLOv8n模型；S4：对YOLOv8n模型进行改进，主干替换为MobileNetv3使模型轻量化，对YOLOv8n网络头部引入DCNv2可变型卷积能更好的适应目标的形态，并在头部添加CA注意力机制对位置信息进行考虑，所述步骤S4的具体步骤为：S41：对YOLOv8网络主干进行更改，虽然YOLO网络在速度和准确率方面有很好的效果，但是其模型比较多，需要较高的计算资源，因此对其主干网络更改为更轻量的MobileNetv3网络；S42：对YOLOv8网络添加注意力机制，注意力机制是一种提高模型精度的有效手段，为了提高YOLOv8的分割性能，对其网络主干添加CA注意力机制，关注特征层的通道信息和空间信息；S43：对YOLOv8网络主干引入DCNv2，DCNv2是卷积神经网络中的一种卷积变体，它引入了可变形卷积，能更好地适应目标的形态和姿态，更好的对目标物体进行分割。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于改进YOLOv8模型的番茄分割方法