基于分量分割与YOLOv8s的红火蚁蚁巢识别

提出一种基于分量分割与YOLOv8s的红火蚁蚁巢识别模型,为无人化灭蚁等相关研究提供参考。利用红火蚁蚁巢土壤与周围环境色相差异较大的特征将蚁巢初步分割出来并进行二值化,将色相分割二值图与明度分量二值图融合以消除杂草的遮挡干扰,利用图像形态学算法对得到的图像进行优化,使用YOLOv8s作为基础网络,添加SK注意力机制,构建红火蚁蚁巢检测网络模型。模型研究环境下对红火蚁蚁巢样本图像进行预测的精度为93.3%,召回率为89.7%,有效AP值达83.1%,网络前向时间为15.7 ms,F1综合评价指标为92.0%,模型GFLOPs为41.0。研究还进一步精确了红火蚁蚁巢土的H值范围(不被阳光照射的情况下为342~27,阳光照射情况下为25.9~35.8),并比较了不同光照条件对红火蚁蚁巢土的H值的影响。