×
模态框（Modal）标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框（Modal）标题
×
Toggle navigation
更多内容请点击
首页
期刊信息
期刊介绍
主编简介
编委会
奖励与荣誉
数据库收录
期刊评价
投稿指南
投稿指南
收费标准
在线投稿
在线期刊
最新录用
当期目录
过刊浏览
阅读排行
下载排行
引用排行
E-mail Alert
RSS
标准规范
论文结构/写作
字词规范
计量单位
标点符号
排版格式/模板
参考文献格式规范
期刊订阅
广告服务
广告刊登须知
广告收费标准
联系我们
English
中国棉花
图/表 详细信息
Slim-YOLOv8n：基于改进YOLOv8n的轻量级棉铃检测模型
黄姣, 刘卓远, 李彩红, 刘俊承, 李飞, 陈国, 赵瑞元, 杨彬
棉花学报, 2025, 37(
4
): 350-360. DOI:
10.11963/cs20250022
图8
检测结果图
本文的其它图/表
图1
裁剪后的棉花图像
图2
处理后的棉花图像
A：原图；B：调节亮度；C：调节颜色；D：增加遮挡物。
图3
Slim-YOLOv8n网络结构
Input为输入；Backbone为主干网络；Conv为卷积模块；Conv2d为独立卷积层；BN为批量归一化层；SiLU为激活函数；P3和P4代表输出层数；CCFM为Silm-YOLOv8n的颈部网络；C2f为特征提取模块；Split为特征随机分组操作；Bottleneck为卷积堆叠模块；SPPF为空间金字塔池化模块，其中包括最大池化操作； Concat表示特征拼接；Upsample表示上采样；RHead为检测头模块；RepConv为重参数化卷积；Bbox Loss为边界框回归损失；Cls Loss为分类损失；Output为输出。
图4
重参数化卷积网络训练（A）和推理（B）时的网络结构图
表1
训练参数设置
表2
对比实验结果
图5
Slim-YOLOv8n的
mAP
50 (A)和
mAP
50-95 (B) 曲线
图6
P
-
R
曲线
表3
消融试验结果
图7
特征图可视化
