面向中药饮片识别的MSDA-YOLOv8检测算法

针对当前传统网络模型对中药饮片检测精度低,检测不准确的问题,提出一种基于YOLOv8n优化改进的MSDA-YOLOv8中药饮片检测模型。首先,在Backbone上使用SCConv代替部分C2f模块,使用DyCAConv代替部分Conv。其次,添加DilateBlock模块,强化特征信息,提高了检测模型的特征融合能力。在Neck上,设计全新的C2fMSDA模块代替C2f,并引入Inception板块,扩大特征感受视野。使用BiFPN思想,高效双向跨尺度连接和加权特征融合,提高网络性能;最后将原有的损失函数替换为MPDIoU边界损失函数,模型的边界框回归性能有了提高。实验结果表明,改进后的YOLOv8模型在原模型的基础上提高识别精确度0.7%、平均精度2.9%,参数量降低1.9%。综合说明,该模型提高模型识别精度同时降低参数量,优于原算法以及对比算法,满足边缘计算要求,具有实际应用价值。