基于輕量化YOLO v8-Rice的水稻蟲害檢測方法

doi：10.15889/j.issn.1002-1302.2024.20.033

摘要：針對真實場景下水稻蟲害識別的背景復雜、模型計算量和參數量大以及難以在嵌入式設備或移動設備上部署等問題，在YOLO v8的基礎上提出一種改進的輕量化的YOLO v8-Rice水稻蟲害檢測算法。首先，采用Context Guided Block結構替換傳統YOLO v8中C2f模塊的Bottleneck結構，增強模型的上下文信息理解能力，壓縮模型的權重；然后，使用深度可分離卷積代替傳統YOLO v8中的標準卷積，以降低參數量、計算量；最后，將檢測頭重構為輕量級共享卷積檢測頭，以進一步降低參數量、計算量，并提高模型對多尺度蟲害特征的定位和提取能力，使其能夠更好地適應不同尺寸、復雜度的蟲害狀況。結果表明，相比于傳統YOLO v8，YOLO v8-Rice算法在計算量、參數量方面分別減小70.5%、61.7%，模型的權重文件大小降低至1.94 MB，僅為YOLO v8n的32.4%，并且在平均精度上達到94.1%，與其他模型相比明顯提高。該算法在水稻蟲害檢測方面的性能取得了顯著提升。借助輕量化網絡模型及優化模型的部署，使其更適合在移動設備或嵌入式設備中部署，可為實際農業場景中的水稻蟲害檢測提供更可行的解決方案，可以準確地檢測定位和分類水稻蟲害。

關鍵詞：水稻蟲害檢測；輕量化YOLO v8-Rice；Context Guided Block；深度可分離卷積；輕量級共享卷積檢測頭

中圖分類號：S126；S435.112；TP391.41" 文獻標志碼：A

文章編號：1002-1302（2024）20-0277-08

收稿日期：2024-03-23

基金項目：國家自然科學基金面上項目（編號：62077018）；湖北省自然科學基金（編號：2023AFB082）。

作者簡介：桂余鵬（1999—），男，湖北襄陽人，碩士研究生，研究方向為深度學習與目標檢測。E-mail：2022710691@yangtzeu.edu.cn。

通信作者：胡蓉華，博士，講師，研究方向為網絡與信息安全。……