自适应滤波器减轻光照对卷心菜识别准确性影响
研究背景：病虫害对卷心菜的质量和产量构成重大威胁，化学农药的施用仍然是最有效的控制措施之一，传统的应用方法使用农药利用率低，只有约30%的农药附着在作物表面，剩余的农药则沉积在土壤和空气中，导致农药浪费和环境污染，以目标为导向的喷涂技术是解决这些问题的有效方法，通过利用实时目标检测和精确控制,这种方法可确保目标区域的农药沉积达到准确水平
研究方法：提出基于Yolov8n的实时卷心菜识别模型,该模型结合了卷心菜图像滤镜和自适应滤镜参数学习模块
研究思路：该模型通过自适应滤镜参数学习模块处理输入卷心菜图像,以获取滤波器组合所需的超参数，通过滤镜组合增强的卷心菜图像,可输入到Yolov8n对象检测模型中,以提取图像中卷心菜的目标信息
设计卷心菜的图像滤镜组合，减轻光照带来影响
滤波器参数自适应学习模块
卷心菜识别模型整体结
滤波器自适应参数学习模块首先将原始图像调整为256*256像素，最后滤波器需要的参数通过一个完全连接的层输出，滤镜组合中输入的图像经过线性调整、伽马校正和锐化，生成增强的卷心菜图像特征