-
题名基于YOLOv8n的梨树叶片病害检测模型
- 1
-
-
作者
黄政
张涛
孔万仔
赵丹枫
魏泉苗
-
机构
上海海洋大学信息学院
自然资源部东海局
-
出处
《湖南农业大学学报(自然科学版)》
北大核心
2025年第2期113-121,共9页
-
基金
国家自然科学基金青年项目(42106190)。
-
文摘
针对传统目标检测模型对自然场景下梨树叶片病害检测存在精度低、模型参数量大等问题,提出一种基于YOLOv8n的梨树叶片病害检测改进模型。首先,使用RepGhostNet改进主干网络,利用结构重参数化实现特征的隐式重用,在提升网络特征提取能力的同时使网络更加轻量化。其次,引入双层路由注意力机制,通过查询自适应的方式降低模型对不相关特征的关注,提高模型对关键信息的敏感性,增强网络的表征能力和特征融合能力。最后,使用Inner-SIoU损失函数优化边界框回归,加快模型收敛速度,提高识别精度。结果表明:改进后的模型能够有效对梨树叶片病害进行检测,在DiaMOSPlant数据集上对梨树叶片病害的检测平均精准度m AP@50达到0.901,相较于原模型提高了5.6%;而模型参数量仅为2.4×10^(6)个,计算量仅为7GFLOPs,相较于原模型分别降低了20.00%和13.58%。与SSD、Faster-RCNN、YOLOv5n、YOLOv8s等主流目标检测模型相比,改进的模型不仅平均精准度有所提高,而且参数量和计算量均减少。
-
关键词
梨树叶片病害检测
YOLOv8n
模型轻量化
RepGhostNet
双层路由注意力机制
-
Keywords
pear leaf disease detection
YOLOv8n
model lightweighting
RepGhostNet
bi-level routing attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
S432.9
[农业科学—植物病理学]
-
