苹果作为全球重要的经济作物之一,其产量和质量直接受到病害的影响。为解决目前传统人工检测病害过程中主观性强、效率低,以及农业检测设备资源有限等问题,基于YOLOv8(You Only Look Once Version 8)提出了一种高效、轻量化的病害检测...苹果作为全球重要的经济作物之一,其产量和质量直接受到病害的影响。为解决目前传统人工检测病害过程中主观性强、效率低,以及农业检测设备资源有限等问题,基于YOLOv8(You Only Look Once Version 8)提出了一种高效、轻量化的病害检测模型—YOLOv8-RIC。在YOLOv8的基础上对主干网络进行了优化,分别引入了轻量级卷积神经网络RGN(RepGhostNet)和改进型残差移动网络iRMB(Improved Residual MobileNet Backbone),替换了原有的C2f模块,有效提升了模型的特征提取能力并降低了硬件计算成本。与原始YOLOv8模型相比,YOLOv8-RIC在自建图像数据集上的目标检测任务中,mAP(多类别平均精度)提高了6.2%,Precision(精确度)提高了12.7%。实验结果表明,该方法在复杂场景下对苹果树病害的检测具有较高的效率和鲁棒性,为精准农业的发展提供了有力支持。展开更多
文摘苹果作为全球重要的经济作物之一,其产量和质量直接受到病害的影响。为解决目前传统人工检测病害过程中主观性强、效率低,以及农业检测设备资源有限等问题,基于YOLOv8(You Only Look Once Version 8)提出了一种高效、轻量化的病害检测模型—YOLOv8-RIC。在YOLOv8的基础上对主干网络进行了优化,分别引入了轻量级卷积神经网络RGN(RepGhostNet)和改进型残差移动网络iRMB(Improved Residual MobileNet Backbone),替换了原有的C2f模块,有效提升了模型的特征提取能力并降低了硬件计算成本。与原始YOLOv8模型相比,YOLOv8-RIC在自建图像数据集上的目标检测任务中,mAP(多类别平均精度)提高了6.2%,Precision(精确度)提高了12.7%。实验结果表明,该方法在复杂场景下对苹果树病害的检测具有较高的效率和鲁棒性,为精准农业的发展提供了有力支持。
