基于YOLOv8模型,增加了自创的多维度注意力机制和特征自适应增强卷积模块,以提升模型对特征的提取和表达能力。同时,将原模型的三个检测头替换为四个,以更精准地适应不同尺度的目标检测需求。为实现智能病害解决,我结合了通义千问系统,对检测出的病害进行自动分析和建议输出,实现了检测与解决方案的高效集成,为各类检测应用提供了更智能化的支持。
点击空白处退出提示
演示地址
https://github.com/Mercer-Su/Rice_Yolov8_Optimization-_And_AI-assisted
基于YOLOv8模型,增加了自创的多维度注意力机制和特征自适应增强卷积模块,以提升模型对特征的提取和表达能力。同时,将原模型的三个检测头替换为四个,以更精准地适应不同尺度的目标检测需求。为实现智能病害解决,我结合了通义千问系统,对检测出的病害进行自动分析和建议输出,实现了检测与解决方案的高效集成,为各类检测应用提供了更智能化的支持。










评论