-
题名基于改进YOLOv8的复杂环境下农田害虫检测算法
被引量：1
- 1
-
-
作者
楚家
肖敏
周迅
任东
余文畅
-
机构
三峡大学计算机与信息学院
三峡大学湖北省农田环境监测工程技术研究中心
-
出处
《江苏农业科学》
北大核心
2025年第16期192-204,共13页
-
基金
国家科技支撑计划(编号:HZ2024108)
国家“863”计划(编号:HZ2023315)
+4 种基金
国家重点研发计划(编号:2016YFD0800902)
湖北省重大技术创新项目(编号:2017ABA157)
湖北省教育厅科技研究计划优秀中青年人才项目(编号:Q20201206)
湖北省农田环境监测工程技术研究中心开放基金(编号:201613)
高等学校学科创新引智计划能源和环境材料化学学科创新引智基地项目(编号:D20015)。
-
文摘
针对农田复杂环境中害虫体积小、分布密集、形态多变、数量庞大且分布不均等特性导致的识别检测难题,提出一种基于改进YOLO v8的害虫识别检测方法,该方法融合了可变形卷积v4(DCNv4)技术的优势,创新性地设计了C2f-DCNv4模块,该模块能够灵活对特征进行采样,从而更有效地捕捉不同尺寸害虫间的细微特征差异。在YOLO v8模型的Neck部分,采用动态群随机转换器(DGST)模块替换原有的C2f模块,不仅简化了网络结构,还显著提升了模型的性能。此外,将卷积注意力模块(CBAM)集成到YOLO v8模型中,使模型能够更加聚焦于害虫特征,进而提高识别的准确性。在损失函数上,采用WIoU损失函数替代传统的CIoU损失函数,以期提升模型的泛化能力和检测精度。在实际农田复杂场景中建立了1个数据集,并进行试验。结果显示,改进后的算法检测精确率达到了94.3%,召回率为93.2%,平均精确度达到了97.8%,分别比原来的模型提高了1.8、2.2、2.3百分点。从试验结果看,该算法在害虫的实际检测方面效果显著,为解决复杂环境下的害虫准确检测问题提供了新思路,具有重要的实用价值和研究意义。
-
关键词
害虫检测
DCNv4
dgst
YOLOv8
-
分类号
S126
[农业科学—农业基础科学]
S431.9
[农业科学—农业昆虫与害虫防治]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
