【技术实现步骤摘要】
本专利技术属于目标识别，尤其涉及一种基于改进yolov8n模型的河道目标识别方法及装置。
技术介绍
1、在河湖信息化管理方面，岸边的固定监测设备和无人机监测已经成为常规的巡检手段；然而，在处理大量视频和图片数据时，如何快速准确地识别出监测图像中的建筑物、水面漂浮物、车辆等目标图片仍然是一个亟待解决的难题。目前，这一过程的效率并不高，预警机制也存在滞后现象。而且，现有技术大多基于yolov5算法，其识别准确率并不理想，容易导致漏检和误检的情况发生。
技术实现思路
1、本专利技术的目的在于满足实际需求，提供一种基于改进yolov8n模型的河道目标识别方法及装置，首先，增加了小目标检测层，提高对小目标的检测能力，其次，引入spd-conv模块减少细节信息的损失，最后，加入了(efficient channel attention, eca) eca注意力机制，减少特征图中的噪声和不必要的信息。改进后的yolov8n模型能够准确识别河道目标，为河道智慧治理提供技术支撑。
2、为实现上述专利技术目的，本专利技术的第一目的是提供一种基于改进yolov8n模型的河道目标识别方法，包括以下步骤：
3、s1、构建河道环境数据集，包括：收集与河道周围环境信息相关的图片；对所述图片进行标注，得到河道环境数据集；
4、s2、在yolov8n基础模型上搭建改进yolov8n的河道目标识别网络，所述河道目标识别网络包括小目标检测层、spd-conv模块和eca注意力机制，得
5、s3、将所述河道环境数据集导入改进yolov8n模型中进行训练、验证和测试，得到改进后的yolov8n河道目标识别模型；
6、s4、利用所述yolov8n河道目标识别模型对目标图片进行河道目标识别。
7、进一步，s1具体包括：
8、s101、通过拍摄和/或网络搜集的方式收集与河道周围环境信息相关的图片；
9、s102、通过labelimg工具对所述图片进行标注，形成初步数据集；
10、s103、将构成的初步数据集进行数据扩充；
11、s104、将扩充后的数据集划分为训练集、验证集和测试集。
12、进一步，s3包括：
13、将所述训练集输入到改进yolov8n模型中进行训练，迭代多次直至收敛；
14、将所述测试集输入到改进yolov8n模型中进行测试，使用精确率p、召回率r、平均精度均值map50、map50-95、调和平均f1作为评价指标。
15、进一步，还包括：
16、s5、在相同的实验环境下，将yolov8n河道目标识别模型与yolov3-tiny、yolov5s、yolov7-tiny、yolov8n、yolov10n进行对比分析。
17、进一步，所述小目标检测层包括160×160的检测头。
18、进一步，所述spd-conv模块由spd和non-stride convolution两部分构成，首先将特征图进行空间到深度的转换，转换是根据设置的scale大小进行切片操作，得到若干的小特征图后再进行通道拼接，转换后的特征图的空间维度缩小，但深度维度增加，然后进行步长为1的卷积操作得到最终特征图。
19、进一步，所述eca注意力机制将se的全连接层转换为1×1的卷积来学习通道注意信息。
20、本专利技术的第二目的是提供一种基于改进yolov8n模型的河道目标识别装置，包括：
21、河道环境数据集构建模块，构建过程包括：收集与河道周围环境信息相关的图片；对所述图片进行标注，得到河道环境数据集；
22、模型改进模块，在yolov8n基础模型上搭建改进yolov8n的河道目标识别网络，所述河道目标识别网络包括小目标检测层、spd-conv模块和eca注意力机制，得到改进yolov8n模型；
23、模型训练模块，将所述河道环境数据集导入改进yolov8n模型中进行训练、验证和测试，得到改进后的yolov8n河道目标识别模型；
24、目标识别模块，利用所述yolov8n河道目标识别模型对目标图片进行河道目标识别。
25、本专利技术的第三目的是提供一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述的基于改进yolov8n模型的河道目标识别方法。
26、本专利技术的第四目的是提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的基于改进yolov8n模型的河道目标识别方法。
27、本申请具有的优点和积极效果是：
28、本专利技术将基于改进后的yolov8n模型对河道环境目标进行识别，识别的平均精度均值map50最终达到95.7%，能够准确识别河道目标，减少漏检、误检现象的发生。首先，增加了小目标检测层，提高对小目标的检测能力，其次，引入spd-conv模块减少细节信息的损失，最后，加入了（efficient channel attention, eca) eca注意力机制，减少特征图中的噪声和不必要的信息。改进后的yolov8n模型能够准确识别河道目标，为河道智慧治理提供技术支撑。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv8n模型的河道目标识别方法，其特征在于，包括：
2.根据权利要求1所述的基于改进YOLOv8n模型的河道目标识别方法，其特征在于，S1具体包括：
3.根据权利要求2所述的基于改进YOLOv8n模型的河道目标识别方法，其特征在于，S3包括：
4.根据权利要求1所述的基于改进YOLOv8n模型的河道目标识别方法，其特征在于，还包括：
5.根据权利要求1所述的基于改进YOLOv8n模型的河道目标识别方法，其特征在于，所述小目标检测层包括160×160的检测头。
6. 根据权利要求1所述的基于改进YOLOv8n模型的河道目标识别方法，其特征在于，所述SPD-Conv模块由SPD和non-stride convolution两部分构成，首先将特征图进行空间到深度的转换，转换是根据设置的scale大小进行切片操作，得到若干的小特征图后再进行通道拼接，转换后的特征图的空间维度缩小，但深度维度增加，然后进行步长为1的卷积操作得到最终特征图。
7.根据权利要求1所述的基于改进YOLOv8n模型的河道目
8.一种基于改进YOLOv8n模型的河道目标识别装置，其特征在于，包括：
9.一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现如权利要求1-7任一项所述的基于改进YOLOv8n模型的河道目标识别方法。
...【技术特征摘要】
1.一种基于改进yolov8n模型的河道目标识别方法，其特征在于，包括：
2.根据权利要求1所述的基于改进yolov8n模型的河道目标识别方法，其特征在于，s1具体包括：
3.根据权利要求2所述的基于改进yolov8n模型的河道目标识别方法，其特征在于，s3包括：
4.根据权利要求1所述的基于改进yolov8n模型的河道目标识别方法，其特征在于，还包括：
5.根据权利要求1所述的基于改进yolov8n模型的河道目标识别方法，其特征在于，所述小目标检测层包括160×160的检测头。
6. 根据权利要求1所述的基于改进yolov8n模型的河道目标识别方法，其特征在于，所述spd-conv模块由spd和non...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。