【目标检测论文解读复现NO.36】基于改进 YOLOv8 的轻量化小麦病害检测方法

前言
此前出了目标改进算法专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读最新目标检测算法论文,帮助大家解答疑惑。解读的系列文章,本人已进行创新点代码复现,有需要的朋友可关注私信我。本文仅对论文代码实现,如果原文章的作者觉得不方便,请联系删除,尊重每一位论文作者。

一、摘要

为提高小麦病害检测精度,实现将模型方便快速部署到移动端,该研究提出了一种基于改进 YOLOv8 的轻量 化小麦病害检测方法。首先,使用 PP-LCNet 模型替换 YOLOv8 网络结构的骨干网络,并在骨干网络层引入深度可分离 卷积(depthwise separable convolution, DepthSepConv)结构,减少模型参数量,提升模型检测性能;其次,在颈部网 络部分添加全局注意力机制(global attention mechanism, GAM)模块,强化特征中语义信息和位置信息,提高模型特 征融合能力;然后,引入轻量级通用上采样内容感知重组(content-aware reassembly of features,CARAFE)模块,提高 模型对重要特征的提取能力;最后,使用 Wise-IoU(weighted interpolation of sequential evidence for intersection over union)边界损失函数代替原损失函数,提升网络边界框回归性能和对小目标病害的检测效果。试验结果表明,对于大 田环境下所采集的小麦病害数据集,改进后模型的参数量及模型大小相比原 YOLOv8n 基线模型分别降低了 12.5 和 11.3 个百分点,同时精确度(precision)及平均精度均值(mean average precision,mAP)相较于原模型分别提高了 4.1 和 2.5 个百分点,优于其他对比目标检测算法,可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。

二、网络模型及核心创新点

这篇文章改进点都比较简单,实验结果较好,不仅轻量化了同时精度还提高了。创新点方面就四个比较简单。

**注:**论文原文出自 马超伟,张浩,马新明,等. 基于改进 YOLOv8 的轻量化小麦病害检测方法J. 农业工程学报,2024,40(5):187-195. doi: 10.11975/j.issn.1002-6819.202309211.

解读的系列文章,本人已进行创新点代码复现。

相关推荐
其实防守也摸鱼11 分钟前
用 Claude Code 重构遗留系统:从评估到落地的完整指南
前端·网络·人工智能·chrome·安全·重构
泯泷22 分钟前
当"孤独的开发者"成为常态,AI正在悄悄杀死那个我们熟悉的互联网
人工智能·chatgpt·llm
黑客笔记22 分钟前
安全态势感知中的资产失陷排名思考
人工智能·算法·网络安全
用户27070596625932 分钟前
Copilot平替方案怎么选:主流工具横向对比
人工智能
好悬给我拽开线43 分钟前
EasyHeC++ 用预训练图像模型实现全自动手眼标定
人工智能
Bacon1 小时前
把 Codex 装进 Mac 刘海:Codex Notch 安装与使用指南
人工智能
吕炘嵘1 小时前
DPO loss 降了 75%,模型却没变好:我给手搓 LLM 补了一套评估系统
人工智能
程序员cxuan1 小时前
推荐 10 个 WorkBuddy 中的邪修用法
人工智能·后端·程序员
花椒技术1 小时前
数字人为什么突然爆发?从 H3 Max Lip Sync 看生成式数字人的临界点
人工智能·aigc
初学AI的小高1 小时前
VFM:让 Agent 同时接受上千条自然语言规则的运行时检查
人工智能