-
题名基于改进YOLO v8的苹果叶部病害检测方法
- 1
-
-
作者
曾林涛
马嘉昕
丁羽
许晓东
-
机构
塔里木大学机械电气化工程学院
南疆特色农林产物利用与装备兵团重点实验室
新疆维吾尔自治区教育厅普通高等学校现代农业工程重点实验室
-
出处
《江苏农业科学》
北大核心
2025年第5期147-156,共10页
-
基金
新疆生产建设兵团第一师阿拉尔市科技计划(编号:2020ZB04)。
-
文摘
针对苹果叶部病害在自然环境下形态和颜色特征较为复杂、区分度较低等特点,提出一种高效的病害检测模型,为病害的预防与科学化治理提供准确的依据。基于YOLO v8算法,在主干网络(backbone)末端,加入注意力机制Shuffle Attention(SA),根据样本分布特点进行数据增强,引入Mixup、Mosaic、Random等数据增强方法增加特征表达能力,在提高检测性能的同时,不显著增加计算复杂度;在neck末端,使C2f模块与可变形卷积神经网络模块(Deformable Conv V2)相结合,以提升复杂背景下的检测性能,从而提高检测准确度,有效提高模型性能;为克服CIoU损失函数的局限性,采用MPDIoU损失函数,解决CIoU在特定场景下的限制。结果表明,相较于原始YOLO v8算法,本研究算法的平均准确率提升3.5百分点,mAP@0.5∶0.95提升4.6百分点,精确率提升3.6百分点,说明改进的算法在苹果叶部病害检测方面取得有效成果。
-
关键词
YOLO
v8
苹果叶部病害
目标检测
Shuffle
Attention
c2f_dcnv2
MPDIoU
-
分类号
S126
[农业科学—农业基础科学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
