【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
Memene摸鱼日报15 分钟前
「Memene 摸鱼日报 2025.9.12」前OpenAI CTO 公司发布首篇技术博客,Qwen-Next 80B 发布,Kimi 开源轻量级中间件
人工智能·agi
飞哥数智坊26 分钟前
CodeBuddy CLI 实测:比 Claude Code 稚嫩,但我感觉值得期待
人工智能·ai编程
电商软件开发 小银28 分钟前
本地生活服务平台创新模式观察:积分体系如何重塑消费生态?
大数据·人工智能·数字化转型·私域运营·消费者心理学
扬帆起航1335 分钟前
亚马逊新品推广破局指南:从手动试错到智能闭环的系统化路径
大数据·数据库·人工智能
小王爱学人工智能37 分钟前
利用OpenCV进行指纹识别的案例
人工智能·opencv·计算机视觉
代码AI弗森38 分钟前
DPO 深度解析:从公式到工程,从偏好数据到可复用训练管线
人工智能
Elastic 中国社区官方博客44 分钟前
使用 LangExtract 和 Elasticsearch
大数据·人工智能·elasticsearch·搜索引擎·ai·信息可视化·全文检索
lifallen1 小时前
淘宝RecGPT:通过LLM增强推荐
人工智能·深度学习·ai·推荐算法
金井PRATHAMA2 小时前
认知语义学对人工智能自然语言处理的深层语义分析:理论启示与实践路径
人工智能·自然语言处理·知识图谱
小王爱学人工智能2 小时前
OpenCV的特征检测
人工智能·opencv·计算机视觉