基于改进YOLOv8n算法的水稻叶病害检测研究
刘政峰1
杨健晟1
张梅1
陈哲2
张群英2
1.贵州大学电气工程学院,贵州 贵阳 5500252.贵州省植物园,贵州 贵阳 550001
摘要：水稻叶病害检测是降低病害风险、稳定水稻产量的重要途径之一.针对现有水稻叶病害检测模型存在参数量大、计算复杂度高及精确率低等问题,本研究提出了改进YOLOv8n模型.首先,将原YOLOv8n的主干网络替换为轻量级的HGNetv2 架构,并将HG-Block中的Conv模块替换为Ghost模块,在轻量化模型的同时提高了检测精度.其次将C3 模块中的残差块替换为Ghost Bottleneck,构建全新的C3Ghost模块,并用此模块替换颈部的所有C2f模块,在保持模型性能的同时进一步轻量化模型.最后,采用一种密集预测的通道式知识蒸馏技术,以无损的方式对模型进行增强.实验结果表明,与基线模型YOLOv8n相比,本研究所提改进模型的参数量、权重和浮点运算次数分别降低 39.33%、37.00%和 28.40%,而精确率、召回率分别达到94.3%、95.6%,mAP达到 96.7%,全面优于基线模型.总体而言,本研究所提改进模型能满足农业场景下水稻叶病害检测任务在精度和轻量化方面的要求,展现出良好的发展潜力和应用前景.
关键词：水稻叶病害检测YOLOv8n模型轻量化HGNetv2知识蒸馏
分类号：S126:S511(农业物理学)
资助基金：国家自然科学基金(62003106)贵州省科技支撑计划项目(2022)贵州省科技支撑计划项目(2022)
论文发表日期：2025-09-30
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：9( 164-172 )
英文信息