1.基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，包括：数据集获取子系统，用于获取数据集；

基础模型训练子系统，用于根据数据集，训练基础YOLOv8模型；

注意力机制改进子系统，用于改进CA注意力机制；

所述注意力机制改进子系统，包括：

特征转换模块，用于将输入特征进行转换，获得转换特征；

机制改进模块，用于基于CA注意力机制，根据转换特征、MLP多层感知器和C2f模块，确定C2f‑CA模块；

模型重整子系统，用于根据CA注意力机制的改进结果和基础YOLOv8模型，构建轻量化YOLOv8模型；

目标检测子系统，用于获取检测图片，根据检测图片和轻量化YOLOv8模型，进行目标检测。

2.如权利要求1所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，数据集获取子系统，包括：待处理图片获取模块，用于获取待处理标注图片；

数据增强模块，用于对待处理标注图片进行数据增强，构建数据集，数据集包括：训练集、验证集和测试集。

3.如权利要求1所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，基础模型训练子系统，包括：基础YOLOv8模型训练模块，用于将数据集输入预设的YOLOv8模型进行训练，获得训练完成的基础YOLOv8模型，其中，基础YOLOv8模型包括：主干网络、颈部网络和头部网络，主干网络包括：多尺度卷积模块、C2f模块以及全局注意力模块。

4.如权利要求1所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，模型重整子系统，包括：主干网络替换模块，用于将基础YOLOv8模型的主干网络替换为MobileViT，获得第一调整模型；

改进结果解析模块，用于解析CA注意力机制的改进结果，确定C2f‑CA模块；

C2f模块确定模块，用于确定第一调整模型中的C2f模块；

第二调整模型确定模块，用于将第一调整模型中的C2f模块均替换为C2f‑CA模块，获得第二调整模型；

轻量化模型确定模块，用于基于Soft‑nms算法，根据第二调整模型，构建轻量化YOLOv8模型。

5.如权利要求1所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，目标检测子系统，包括：提取特征确定模块，用于将检测图片输入轻量化YOLOv8模型，确定第16、19以及22层的C2f‑CA模块的提取特征；

目标检测模块，用于根据提取特征进行目标检测。

6.如权利要求5所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，目标检测模块，包括：子置信度确定子模块，用于根据提取特征，分别确定每一第一目标检测框的类别置信度和边界框置信度；

目标检测框置信度计算子模块，用于将类别置信度和边界框置信度相乘，获得第一目标检测框的目标检测框置信度；

当前检测框确定子模块，用于依次遍历每一第一目标检测框，确定当前遍历的当前检测框；

置信度条件判定子模块，用于判断当前检测框是否满足置信度条件；

突出显示子模块，用于若当前检测框满足置信度条件，则将对应当前检测框进行突出显示；

目标检测完成判断子模块，用于当所有需要突出显示的当前检测框均突出显示后，完成目标检测。

7.如权利要求6所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，置信度条件判定子模块，包括：重叠判定单元，用于判断是否存在至少一个除当前检测框之外的第一目标检测框与当前检测框存在重叠；

置信度条件第一判定单元，用于若不存在，若当前检测框的目标检测框置信度大于等于预设的第一阈值，则对应当前检测框满足置信度条件；

重叠度计算单元，用于若存在，计算当前检测框和除当前检测框之外的第一目标检测框之间的重叠度；

第一检测框集获取单元，用于若重叠度大于等于预设的第二阈值，将对应当前检测框和对应第一目标检测框共同作为第一检测框集，第一检测框集中包括：多个第二目标检测框；

置信度条件第二判定单元，用于确定第二目标检测框中目标检测框置信度最大且目标检测框置信度大于等于第一阈值的第二目标检测框满足置信度条件。

8.如权利要求7所述的基于改进CA注意力机制的YOLOv8目标检测系统，其特征在于，还包括：第二检测框集确定单元，用于若重叠度小于预设的第二阈值且大于预设的第三阈值，将对应当前检测框和对应第一目标检测框共同作为第二检测框集，第二检测框集中包括：多个第三目标检测框；

检测类别获取单元，用于获取第三目标检测框的检测类别；

检测框集拆分单元，用于根据检测类别，对第二检测框集进行拆分，获得检测框子集；

第三目标检测框确定单元，用于分别确定每一检测框子集中目标检测框置信度最大且目标检测框置信度大于等于第一阈值的第三目标检测框；

显示标记确定单元，用于根据检测类别，确定第三目标检测框的显示标记；

突出显示单元，用于根据显示标记，分别对第三目标检测框进行突出显示。

9.基于改进CA注意力机制的YOLOv8目标检测方法，其特征在于，包括：步骤1：获取数据集；

步骤2：根据数据集，训练基础YOLOv8模型；

步骤3：改进CA注意力机制；

所述步骤3：改进CA注意力机制，包括：

将输入特征进行转换，获得转换特征；

基于CA注意力机制，根据转换特征、MLP多层感知器和C2f模块，确定C2f‑CA模块；

步骤4：根据CA注意力机制的改进结果和基础YOLOv8模型，构建轻量化YOLOv8模型；

步骤5：获取检测图片，根据检测图片和轻量化YOLOv8模型，进行目标检测。