一种基于改进YOLOv12的人参品种自动识别算法

本发明针对基于深度学习的图像识别方法在人参品种识别任务中，因复杂环境和目标尺度多样性而导致识别准确率下降的问题，提出了一种基于改进YOLOv12的人参品种自动识别算法。该算法围绕YOLOv12框架，针对骨干网络与检测头进行了有针对性的优化设计。通过在Backbone中引入iRMB模块，有效增强特征提取能力，提升对细粒度特征的感知与表达。同时，在检测头部分，采用QASFFHead结构，结合质量感知特征融合策略，实现多尺度特征的高效融合，显著提升了模型在复杂背景与多变生长环境下的人参品种识别准确率。本发明方法能够有效提升模型对不同尺度目标的适应能力，满足实际应用中对人参品种自动识别的高准确性需求。