基于改进YOLOv8的玉米叶片病虫害识别研究
兰羽琦1
王一航2
王瑛琨3
薛博文4
1.河南工业大学电气工程学院 河南 郑州 4500012.河南工业大学人工智能与大数据学院 河南 郑州 4500013.河南科技大学机电工程学院 河南 洛阳 4710004.苏州大学应用技术学院电气工程学院 江苏 苏州 215000
摘要：针对玉米叶片病虫害检测中大多数目标较小的问题,文章提出了一种基于YOLOv8 检测模型的改进方法.首先,通过对YOLOv8 检测模型中的C2f模块进行压缩,舍弃每次经过Bottleneck模块特征提取后的中间结果,仅保留最后的特征提取结果,从而减少了通道拼接后的参数计算量,防止中间层特征的丢失;其次,将改进后的C2f模块定义为C2f5模块,并且仅在主干网络中进行改进,不修改颈部网络,以避免精度下降;最后,使用Kaggle平台提供的包含 7 种玉米叶片病虫害的 3978 张图片的数据集进行归一化操作、标注、格式划分后,利用该数据集对改进算法进行验证.结果表明,改进后的YOLOv8检测模型比未改进前识别精度提升了4.2 个百分点,在确保检测精度的前提下,实现了模型的轻量化和高效性.这些改进在资源受限的设备上运行时表现尤为突出.
关键词：改进YOLOv8玉米叶片病虫害识别轻量化和高效性
资助基金：国家自然科学基金(62201199)河南省科技攻关项目(232102320037)河南工业大学自科创新基金支持计划项目(2021ZKCJ07)
论文发表日期：2025-01-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 10-14 )