基于改进YOLOv8的玉米叶片病虫害识别研究  

作　　者：兰羽琦 王一航 王瑛琨 薛博文 LAN Yuqi;WANG Yihang;WANG Yingkun;XUE Bowen

机构地区：[1]河南工业大学电气工程学院,河南郑州450001 [2]河南工业大学人工智能与大数据学院,河南郑州450001 [3]河南科技大学机电工程学院,河南洛阳471000 [4]苏州大学应用技术学院电气工程学院,江苏苏州215000

出　　处：《信息技术与信息化》2025年第1期10-14,共5页Information Technology and Informatization

基　　金：国家自然科学基金(62201199);河南省科技攻关项目(232102320037);河南工业大学自科创新基金支持计划项目(2021ZKCJ07)。

摘　　要：针对玉米叶片病虫害检测中大多数目标较小的问题,文章提出了一种基于YOLOv8检测模型的改进方法。首先,通过对YOLOv8检测模型中的C2f模块进行压缩,舍弃每次经过Bottleneck模块特征提取后的中间结果,仅保留最后的特征提取结果,从而减少了通道拼接后的参数计算量,防止中间层特征的丢失;其次,将改进后的C2f模块定义为C2f5模块,并且仅在主干网络中进行改进,不修改颈部网络,以避免精度下降;最后,使用Kaggle平台提供的包含7种玉米叶片病虫害的3978张图片的数据集进行归一化操作、标注、格式划分后,利用该数据集对改进算法进行验证。结果表明,改进后的YOLOv8检测模型比未改进前识别精度提升了4.2个百分点,在确保检测精度的前提下,实现了模型的轻量化和高效性。这些改进在资源受限的设备上运行时表现尤为突出。

关 键 词：改进YOLOv8 玉米叶片 病虫害识别 轻量化和高效性 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]