Numer: 04/2025 Str. 178
Autorzy: Jayasheelan Palanisamy , S. Devaraju :
Tytuł: Quantum YOLOv8: zaawansowana detekcja obiektów w celu wykrywania wtargnięć zwierząt leśnych przy użyciu dostosowanego szkieletu EfficientNetB0 z integracją SPPF i FPN
Streszczenie: Wkraczanie dzikich zwierząt na tereny wiejskie i drogi w nocy stwarza poważne zagrożenia dla bezpieczeństwa lokalnych społeczności. Możliwości widzenia w nocy są kluczowe dla rozwiązania tych wyzwań, ponieważ większość wtargnięć dzikich zwierząt ma miejsce w warunkach słabego oświetlenia. Aby złagodzić te ryzyka, wprowadzamy Quantum YOLOv8, zaawansowaną wersję modelu wykrywania obiektów YOLO. Ten model integruje dostosowany szkielet EfficientNet B0 w celu wydajnej i dokładnej ekstrakcji cech, wraz z siecią piramid cech (FPN) w celu zwiększenia możliwości wykrywania w wielu skalach. Quantum YOLOv8, szkolony na starannie wyselekcjonowanych zestawach danych obrazów CCTV rejestrujących wtargnięcia dzikich zwierząt, wykazuje wyjątkową wydajność w wykrywaniu zwierząt w trudnych warunkach oświetleniowych. Model osiągnął średnią precyzję średnią (mAP) 0,90 przy 0,5 IoU, podkreślając jego skuteczność w łagodzeniu konfliktów między ludźmi a dzikimi zwierzętami na obszarach wiejskich poprzez niezawodny nadzór nocny. Integracja solidnych funkcji widzenia w nocy ma kluczowe znaczenie dla zapewnienia bezpieczeństwa poprzez zapewnienie dokładnego wykrywania w środowiskach, w których widoczność jest ograniczona.
Słowa kluczowe: Quantum YOLOv8, EfficientNetB0, detekcja obiektów noktowizyjnych, śledzenie zwierząt