基于多尺度注意力机制的小番茄成熟度实时检测方法

专利主权项内容

1.一种基于多尺度注意力机制的小番茄成熟度实时检测方法，其特征在于，包括以下步骤：步骤1、获取多个番茄图像作为数据集；步骤2、将步骤1得到的数据集划分为训练集、验证集、测试集，然后对训练集、验证集、测试集分别进行数据增强处理；步骤3、生成改进的YOLOv8模型，所述改进的YOLOv8模型包括Backbone网络、Neck网络、Head网络，其中：所述Backbone部分包括第一卷积层、第一SCConv卷积模块、第二卷积层、第一C2f模块、第三卷积层、第二C2f模块、第四卷积层、第三C2f模块、第五卷积层、第四C2f模块和SPFF模块；Neck部分包括第一上采样层、第一Concat融合层、第五C2f模块、第二上采样层、第二Concat融合层、第六C2f模块、第三上采样层、第三Concat融合层、第七C2f模块、第六卷积层、第四Concat融合层、第八C2f模块、第七卷积层、第五Concat融合层、第九C2f模块、第八卷积层、第六Concat融合层和第十C2f模块，并且其中第八C2f模块、第九C2f模块、第十C2f模块分别添加EMA注意力机制；Head部分包括第一解耦头检测层、第二解耦头检测层、第三解耦头检测层和第四解耦头检测层；步骤4、将步骤2得到的训练集输入至改进的YOLOv8模型中进行多次迭代学习，以训练改进的YOLOv8模型并确定模型参数，每次训练时由改进的YOLOv8模型从输入的图像中识别出不同大小、颜色的番茄，并用验证集在训练时调整模型的超参数，最终通过测试集评估训练后的改进的YOLOv8模型的泛化能力，由此得到最优检测模型；步骤5、将待检测番茄图像输入至步骤4得到的最优检测模型，由最优检测模型从待检测番茄图像中检测得到不同成熟度的番茄。 数据由马 克 数 据整理