买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宿迁学院申请的专利基于YOLOv8改进算法的杂草分类检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118762286B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411057119.2，技术领域涉及：G06V20/10；该发明授权基于YOLOv8改进算法的杂草分类检测方法及系统是由颜辉;郭煌彬;龙多;龙蕴鑫;于萍;耿晓中;李占林;刘虎鹏;宗宝书设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本基于YOLOv8改进算法的杂草分类检测方法及系统在说明书摘要公布了：本发明涉及一种基于YOLOv8改进算法的杂草分类检测方法及系统。所述方法包括：将包含有杂草的待检测图像输入至YOLOv8改进算法模型，处理后的图像数据集输入至YOLOv8改进算法模型的骨干网络中，通过C2f‑FADC模块提取不同尺度的图像特征信息输入至Neck网络中，DASI模块进行低分辨率高语义信息和高分辨率低语义信息融合，产生多尺度语义特征信息传输至任务对齐检测头提取出不同的任务交互特征计算得到分类特征，得到杂草分类结果。使用FADC模块替换了C2f模块中的Bottleneck模块提出了C2f‑FADC模块，并且将该模块集成到骨干网络中，可以提高卷积的感受野；DASI模块通过对高低维度特征的自适应选择和精细融合能够很好的增强对小目标检测的准确性，提高模型对杂草检测的性能。

本发明授权基于YOLOv8改进算法的杂草分类检测方法及系统在权利要求书中公布了：1.一种基于YOLOv8改进算法的杂草分类检测方法，其特征在于，所述方法包括： 获取包含有各类杂草的待检测图像输入至YOLOv8改进算法模型中，通过所述YOLOv8改进算法模型进行图像预处理，得到处理后的图像数据集； 将所述处理后的图像数据集输入至所述YOLOv8改进算法模型中的骨干网络中，通过所述骨干网络中的C2f-FADC模块提取不同尺度的图像特征信息；所述C2f-FADC模块包括自适应扩张率AdaDR模块、自适应内核AdaKern模块、频率选择FreqSelect模块；所述通过所述骨干网络中的C2f-FADC模块提取不同尺度的图像特征信息，包括：所述自适应扩张率AdaDR模块以空间变化的方式动态调整卷积核膨胀率，计算高频功率，基于所述高频功率所述处理后的图像数据中的每个像素分配不同的扩张率；所述自适应内核AdaKern模块自适应调整卷积核，根据所述扩张率将卷积核的权重参数分解为高低频段，并基于动态加权对所述高低频段进行频率调整；所述频率选择FreqSelect模块对频率调整后的特征图的高低分量进行平衡； 将所述不同尺度的图像特征信息输入至所述YOLOv8改进算法模型中的Neck网络中，所述Neck网络中的DASI模块基于所述不同尺度的图像特征信息，进行低分辨率高语义信息和高分辨率低语义信息融合，产生多尺度语义特征信息；所述Neck网络中的DASI模块基于所述不同尺度的图像特征信息，进行低分辨率高语义信息和高分辨率低语义信息融合，包括：所述DASI模块将所述不同尺度的图像特征信息通过组卷积操作划分为各个卷积组，每个所述卷积组中包含有低维度特征、高维度特征、当前特征；通过所述DASI模块分别对各个所述卷积组中的所述当前特征进行激活函数计算，并根据所述低维度特征、高维度特征进行特征合并；将各个所述卷积组中合并后的特征进行融合操作并输出； 将所述多尺度语义特征信息传输至所述YOLOv8改进算法模型中的任务对齐检测头中，通过所述任务对齐检测头提取出不同的任务交互特征，并基于所述交互特征计算得到分类特征，将所述分类特征输入到分类卷积中提取杂草特征进行分类，得到杂草分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宿迁学院，其通讯地址为：223800 江苏省宿迁市黄河南路399号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。