CN119399199A 基于YOLOv8的烟叶散把程度的检测方法及系统 （云南师范大学）

基于YOLOv8的烟叶散把程度的检测方法及本发明公开了基于YOLOv8的烟叶散把程度的检测方法及系统，具体涉及烟叶检测技术领了因复杂背景和光照变化导致的检测精度异常2S2：对获取到的光照强度变化数据和烟叶散把S4：对于低精度检测的YOLOv8模型，对YOLOv8分别提取出光照强度变化数据中的阴影区域分布异常特征以及烟叶散把图像数据中通过光照传感器实时获取s时间段检测区域内的阴影分布面积数据并构建相应的数据是样本总数；通过期望最大化算法，使用GMM来拟合阴影分布特征数据，模型表达式为：密度值p(x)，表达式为使用数据点的概率密度值yr是在第t时刻提取的色彩变化幅度特征；构建自回归积分滑动平均模型ARIMA(p,d,3时间步的预测误差，er是当前时间步的误差项，通过ARIMA模型对未来时间步进行预测，取出的阴影区域分布异常特征和色彩变化幅度特征训练出预测YOLOv8模型检测精度的机将阴影分布异常指数和色彩波动偏差指数转换为第一特征向量，将为预测目标，以最小化对所有YOLOv8模型检测精度值标签的预测误差之和作为训练目标，将获取到的YOLOv8模型检测精度值与预先设置的标准状态下的YOLOv8模型检测精度对于低精度检测的YOLOv8模型，即在固定时间段内生成的YOLOv8模型检YOLOv8模型检测精度值的参考阈值，对YOLOv8模型检测精度的异常程度进行进一步的分若YOLOv8模型检测精度值均值大于等于YOLOv8模型检测精度值均值的参考阈值，且4若YOLOv8模型检测精度值均值小于YOLOv8模型检测精度值均值的参考阈若YOLOv8模型检测精度值均值小于YOLOv8模型检测精度值均值的参考阈模型检测精度值标准差小于YOLOv8模型检测精度值标准差的参考阈值，模型表现差但稳8.基于YOLOv8的烟叶散把程度的检测系统，用于实现权利要求1_7任一项所述的基于模型训练模块：对获取到的光照强度变化数据和烟叶散把图像数据进训练出预测YOLOv8模型检测精度的机调整模块：对于低精度检测的YOLOv8模型，对YOLOv8模5[0002]基于YOLOv8的烟叶散把程度检测指的是利用YOLOv8这一深度学习模型对烟叶的分别提取出光照强度变化数据中的阴影区域分布异常特征以及烟叶散把图像数据中的色彩变化幅度特征，基于提取出的阴影区域分布异常特征生成阴影分布异常指数，6通过光照传感器实时获取s时间段检测区域内的阴影分布面积数据并构建相应的密度值p(x)，表达式为使用数据点的概率密度值步的预测误差，表达式为式中，c是常数[0007]优选的，基于提取出的阴影区域分布异常特征和色彩变化幅度特征训练出预测7将获取到的YOLOv8模型检测精度值与预先设置的标准状态下的YOLOv8模型检测若YOLOv8模型检测精度值均值大于等于YOLOv8模型检测精度值均值的参考阈值，若YOLOv8模型检测精度值均值小于YOLOv8模型检测精度值均值的参考阈值，且若YOLOv8模型检测精度值均值小于YOLOv8模型检测精度值均值的参考阈值，且模型训练模块：对获取到的光照强度变化数据和烟叶散把图像数据进行预处理，特征训练出预测YOLOv8模型检测精度的机器89选择适合检测生产环境中光照强度变化的传感器，如数字光照传感器（如[0022]结合自动化相机设备收集不同光照强度条件下的烟叶散把图像数据的具体步骤于生产线运动或环境振动造成图像模糊。如果单一相机无法完全覆盖所有光照变化条件，最大归一化方法或Z_score标准化方法将光照数据进行缩放处理。光照传感器数据和图像污垢或相机故障导致的低质量图像。可以通过边缘检测或拉普拉斯算子检查图像的清晰取出光照强度变化数据中的阴影区域分布异常特征以及烟叶散把图像数据中的色彩变化通过光照传感器实时获取s时间段检测区域内的阴影分布面积数据并构建相应的密度值p(x)，表达式为使用数据点的概率密度值[0030]阴影分布异常指数越大，说明阴影区域的分布特征与正常情况下的分布偏差越之前q个时间步的预测误差，表达式为式间步进行预测，Et-j是t-j时刻的误差项，得到每个时间点t的预测值j变化或颜色失真等因素干扰了图像特征的稳定性，进而导致YOLOv8模型的检测精度下降。[0033]基于提取出的阴影区域分布异常特征和色彩变化幅度特征训练出预测YOLOv8模[0036]将获取到的YOLOv8模型检测精度值与预先设置的标准状态下的YOLOv8模型检测[0039]若数据集合内的YOLOv8模型检测精度值均值大于等于YOLOv8模型检测精度值均若YOLOv8模型检测精度值均值大于等于YOLOv8模型检测精度值均值的参考阈值，若YOLOv8模型检测精度值均值小于YOLOv8模型检测精度值均值的参考阈值，且若YOLOv8模型检测精度值均值小于YOLOv8模型检测精度值均值的参考阈值，且