26年CH智能科学与技术 基于YOLOv8犬类品种识别系统的设计与实现-终稿全日制-约24235字符.pdf

I摘要随着宠物行业的发展，在宠物健康管理、品种特性认识、领养匹配等方面，犬类品种的识别变得越发重要。但是传统的识别方法大多依靠专业经验，效率低、准确率不高。本研究设计并实现了一整套以 YOLOv8 模型为基础的犬类品种智能识别系统，利用深度学习的方法提高识别过程的自动化程度和准确率。系统在 Stanford Dogs数据集中的 25 个常见犬种上进行训练，用 CIoU 损失、分类损失和 DFL 损失一起优化，使用 Mosaic 增强、HSV 变换等数据增强方法。经过 20 轮的训练之后，模型在测试集上精确率、召回率均大于 98%，推理速度可以达到 12.5 帧/秒。基于...