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：中国计量大学

摘要：本发明公开了一种基于改进YOLOv8n‑seg的花生分割方法，包括以下步骤：采集花生图像进行数据增强并标注生成花生数据集；将花生数据集按设定的比例划分为训练集和验证集；构建改进YOLOv8n‑seg模型，引入可变形卷积DCNv3模块、C2f_DCNv3模块、尺度序列特征融合SSFF模块、三重特征编码器TFE模块和EMA注意力模块，得到改进后的YOLOv8n‑seg‑DSE模型；使用训练集和验证集对YOLOv8n‑seg‑DSE模型进行训练与验证，得到花生分割模型；获取待分割的花生图像输入花生分割模型，得到花生分割结果。本发明对YOLOv8n‑seg模型进行改进，增强对花生特征的提取，提高了花生分割精度，同时减少了模型的大小，更易部署在移动端。

主权项：1.一种基于改进YOLOv8n-seg的花生分割方法，其特征在于：包括以下步骤：步骤1：采集花生图像，对花生图像进行数据增强并标注生成花生数据集；步骤2：将花生数据集按设定的比例划分为训练集和验证集；步骤3：构建改进YOLOv8n-seg模型，将YOLOv8n-seg模型主干网络中的部分C2f模块和Conv模块分别替换成C2f_DCNv3模块和DCNv3模块；在颈部网络中使用尺度序列特征融合SSFF模块和三重特征编码器TFE模块；在主干网络中添加高效多尺度注意力机制EMA模块，得到改进后的YOLOv8n-seg-DSE模型；步骤4：使用训练集和验证集对YOLOv8n-seg-DSE模型进行训练与验证，得到训练好的花生分割模型；步骤5：获取待分割的花生图像，输入训练好的花生分割模型得到分割检测结果；所述的步骤3中构建改进YOLOv8n-seg模型过程为：将YOLOv8n-seg模型主干网络中的第2、第3和第4个C2f模块均用C2f_DCNv3模块进行替换，第3、第4和第5个Conv模块均用可变形卷积DCNv3模块进行替换，提高模型从形变物体中提取特征的能力；在YOLOv8n-seg模型颈部网络中使用一个尺度序列特征融合SSFF模块和两个三重特征编码器TFE模块重构特征融合层，实现不同特征图的特征信息的融合；在主干网络中SPPF模块前面添加高效多尺度注意力机制EMA模块，增强模型特征提取能力，最终得到改进后的YOLOv8n-seg-DSE模型；YOLOv8n-seg-DSE模型主干网络中第0层到第10层依次连接分别为Conv、Conv、C2f、DCNv3、C2f_DCNv3、DCNv3、C2f_DCNv3、DCNv3、C2f_DCNv3、EMA、SPPF；颈部网络中第11层到第26层依次为Conv、Conv、TFE、C2f、Conv、Conv、TFE、C2f、Conv、Concat、C2f、Conv、Conact、C2f、SSFF、Add；第10层SPPF的输出端与第11层Conv的输入端连接，第4层C2f_DCNv3的输出端与第12层Conv的输入端连接，第12层Conv、第6层C2f_DCNv3和第11层Conv的输出端与第13层TFE的输入端连接，第13层TFE的输出端与第14层C2f的输入端连接，第14层C2f的输出端与第15层Conv的输入端连接，第2层C2f的输出端与第16层Conv的输入端连接，第16层Conv、第4层C2f_DCNv3和第15层Conv的输出端与第17层TFE的输入端连接，第17层TFE的输出端与第18层C2f的输入端连接，第18层C2f的输出端与第19层Conv的输入端连接，第19层Conv和第15层Conv的输出端与第20层Concat的输入端连接，第20层Concat的输出端与第21层C2f的输入端连接，第21层C2f的输出端与第22层Conv的输入端连接，第22层Conv和第11层Conv的输出端与第23层Concat的输入端连接，第23层Concat的输出端与第24层C2f的输入端连接，第4层C2f_DCNv3、第6层C2f_DCNv3和第8层C2f_DCNv3的输出端与第25层SSFF的输入端连接，第18层C2f和第25层SSFF的输出端与第26层Add的输入端连接，第26层Add、第21层C2f和第24层C2f分别连接一个分割头Segment。

全文数据：

权利要求：

百度查询： 中国计量大学 一种基于改进YOLOv8n-seg的花生分割方法