基于改进YOLOv8卷积神经网络的蟹味菇检测方法

针对蟹味菇生产过程中更好地预估产量，对生长状态做到实时检测的问题，提出了一种基于改进YOLOv8卷积神经网络的蟹味菇识别检测方法。该方法参照PASCAL VOC数据集格式，构建了蟹味菇目标检测数据集，采用添加CBAM注意力机制对原算法进行改进，并且与Faster R-CNN、SSD(single shot multibox detector)、原始YOLOv8等算法进行模型性能的试验对比。试验结果表明，改进的算法明显优于其他算法，其在测试集上的平均精度均值（mean average precision,mAP）和检测速度分别达到95%和91帧/s。此检测精度与检测时间满足蟹味菇的实时识别检测任务，为预估蟹味菇产量，提高生产管理水平提供了理论技术支持。