YOLOv8-DBW:一种改进的基于YOLOv8的算法,用于检测玉米叶病和害虫
Xiang Gan1, Shukun Cao1, Jin Wang1
1College of Mechanical Engineering, University of Jinan, Jinan 250022, China.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
改进的YOLOv8算法提高了玉米害虫和疾病检测的准确性,同时降低了模型的复杂性. 该解决方案为移动设备提供高效,准确和可部署的功能.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 玉米害虫和疾病对作物产量构成重大威胁.
- 现有的检测方法的准确性和计算复杂性都很低.
- 在移动或嵌入式设备上部署对于当前的模型来说是具有挑战性的.
研究的目的:
- 开发一个改进的YOLOv8算法,以准确高效地检测玉米害虫和疾病.
- 为了提高模型性能和减少实际部署的计算负载.
- 为实时农业监测提供卓越的解决方案.
主要方法:
- 用DSConv模块修改了YOLOv8n骨干,以减少参数和计算负载.
- 集成BiFPN用于在不同尺度上增强特征融合.
- 利用Wise-IoU损失函数来提高训练的趋同性和回归精度.
主要成果:
- 与YOLOv8n.5相比,精度提高了1.4%,回忆率提高了1.1%,mAP0.5提高了1.5%.
- 模型参数减少6.6%,计算成本减少7.3%.
- 证明了检测准确性和效率的提高.
结论:
- 改进的YOLOv8算法在玉米害虫和疾病检测方面取得了重大进展.
- 该模型是准确的,高效的,适合在资源有限的设备上部署.
- 这为农业应用提供了实际的解决方案.
