基于深度学习的竹笋细粒度识别技术

为了提升不同环境中竹笋细粒度的自动化识别精度,提高生产管理效率,文章提出了一种基于YOLOv8的目标检测改进模型。该模型融合了BiFPN(Bidirectional Feature Pyramid Network),这一架构在图像目标检测和分割任务中表现出色,同时在C2f模块中添加DAT(Vision Transformer with Deformable Attention),引入了可变形注意力机制,进一步提升了模型的性能。实验结果表明,改进后的算法模型对春笋和冬笋识别的平均精度均值(Mean Average Precision,mAP)分别为81.4%和94.7%,相较于原有模型,分别提升了0.9百分点和3.9百分点。改进后的算法模型在竹笋细粒度识别方面展现出较高的精度,为未来竹笋产业的高度智能化提供了技术支撑。