基于改進(jìn)YOLO v8的草莓病害檢測(cè)方法

doi：10.15889/j.issn.1002-1302.2024.20.030

摘要：針對(duì)自然條件下草莓病害檢測(cè)難度大、人工檢測(cè)效率低下、傳統(tǒng)計(jì)算機(jī)檢測(cè)方式步驟繁瑣、檢測(cè)精度差以及模型的參數(shù)量與計(jì)算量大的問題，構(gòu)建一種基于改進(jìn)YOLO v8的草莓病害檢測(cè)模型。該模型使用Slim-Neck結(jié)構(gòu)代替原YOLO v8網(wǎng)絡(luò)的頸部（Neck）結(jié)構(gòu)以降低深度可分離卷積特征提取和融合能力差的缺陷對(duì)模型造成的負(fù)面影響，在降低模型參數(shù)量和計(jì)算量的同時(shí)不會(huì)損失檢測(cè)的準(zhǔn)確度，并且該結(jié)構(gòu)能使模型更好地應(yīng)用于復(fù)雜的草莓種植環(huán)境。模型還引入了通道注意力和空間注意力機(jī)制（CBAM）以提高病害特征的提取能力同時(shí)忽略圖片中不相關(guān)的信息。最后模型將YOLO v8中的邊界框損失函數(shù)替換為MPDIoU以提升檢測(cè)和目標(biāo)定位的能力。結(jié)果表明，本模型在一個(gè)含有7類草莓病害的開源數(shù)據(jù)集可以實(shí)現(xiàn)96.5%的平均精度（mAP），同時(shí)僅有2.9 M參數(shù)量和 7.4 GFLOPs 值，相比于原始YOLO v8n、YOLO v7-tiny、YOLO v6n和YOLO v5s模型的mAP分別提升1.2、1.9、3.7和2.5百分點(diǎn)。改進(jìn)后的模型具有更高的檢測(cè)精度和更小的參數(shù)量與計(jì)算量，可為實(shí)際草莓種植環(huán)境下的病害檢測(cè)提供參考。

關(guān)鍵詞：病害檢測(cè)；YOLO v8；注意力機(jī)制；Slim-Neck；MPDIoU

中圖分類號(hào)：S126；TP391.41" 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2024）20-0250-10

收稿日期：2023-11-02

基金項(xiàng)目：吉林省科技發(fā)展計(jì)劃（編號(hào)：20230201073GX）；吉林省重點(diǎn)新興交叉學(xué)科“數(shù)字農(nóng)業(yè)”課題。

作者簡(jiǎn)介：葉" 琪（2000—），男，福建泉州人，碩士研究生，研究方向?yàn)橛?jì)算機(jī)視覺。E-mail：1564633612@qq.com。

通信作者：王麗芬，碩士，副教授，主要從事計(jì)算機(jī)圖形學(xué)、軟件工程研究，E-mail：306923482@qq.com；馬明濤，博士，教授，主要從事電子電路和信號(hào)的檢測(cè)、傳輸研究，E-mail：35172318@qq.com。

草莓是一種深受人們喜愛的水果，在世界范圍內(nèi)被廣泛種植。……