基于改进YOLOv8n算法的水稻叶片病害检测
戴林华
黎远松
石睿
四川轻化工大学 计算机科学与工程学院,四川 宜宾 643002
摘要：针对水稻病害检测精度低、易发生漏检和误检等问题,提出了改进YOLO第8 常规版(you only look once version 8 normal,YOLOv8n)水稻叶片病害识别检测方法.以原始YOLOv8n算法为基准,在主干网络中使用下采样操作卷积(a convolutional block for down-sampling,ADown)模块,减少特征信息的丢失,并在主干网络与颈部网络之间引入基于挤压-激励(squeeze-and-excitation,SE)的注意力机制模块,提高网络的特征融合能力;同时,设计出共享参数检测头,增加检测任务的感受野;此外,使用顺序证据加权插值算法的交并比(weighted interpolation of sequential evidence for intersection over union,WIoU)损失函数,进一步提升网络的检测性能.在水稻病害数据集上进行大量实验,结果表明,与原始YOLOv8n算法相比,改进YOLOv8n算法的精确率和平均精确率均值分别提升了 6.59%和 6.86%;改进YOLOv8n算法能够满足水稻叶片病害识别对速度及检测精度的需求,同时提高了对小目标和密集目标的检测能力,从而减少了漏检和误检的情况.改进YOLOv8n算法与目前主流算法相比在检测速度和精度上具有一定优势,检测速度是YOLO第 7 版(YOLO version 7,YOLOv7)算法的 3.61 倍,平均精确率均值提高了 8.63%.该研究能够为水稻智能化种植管理提供一定的参考.
关键词：水稻YOLOv8目标检测病虫害识别ADown注意力机制检测头损失函数
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(42074218)
论文发表日期：2024-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 382-388 )
英文信息