-
题名基于YOLOv8改进的农业复杂场景害虫识别算法
- 1
-
-
作者
李凌
朱健文
杨欢
-
机构
华南师范大学人工智能学院
广东外语外贸大学体育部
-
出处
《软件导刊》
2026年第3期195-203,共9页
-
基金
广东省基础与应用基础研究基金项目(2020A1515110783)。
-
文摘
农业害虫的准确识别对于保障作物健康和提高产量至关重要。然而,在复杂环境下,传统害虫检测方法常因光照多变、杂草遮挡及背景杂乱等问题,导致识别精度不足且环境适应性差。为解决该问题,提出一种基于YOLOv8改进的农业害虫识别算法。首先,采用空间深度卷积(SPD-Conv)模块替代传统卷积层,增强了模型在低分辨率和小目标害虫图像中的特征提取能力,尤其在小目标检测中减少了信息丢失;其次,结合Shuffle Attention(SA)注意力机制,通过动态调整通道和空间维度的权重,优化了模型在复杂背景中的目标聚焦能力,有效减少了背景干扰,提升了对害虫特征的识别精度;最后,采用FocalGIoU损失函数进行边界框回归,改进了模型在密集目标和重叠目标上的定位精度,特别适用于农业环境中的害虫群集和遮挡情况。实验结果表明,改进后的算法在mAP@0.5和mAP@0.5-0.95上分别达到了95.2%和56.7%,比原YOLOv8n模型提高了1.6%和1.3%。该方法显著提升了农业害虫识别准确性和稳定性,为智能农业的精准监测提供了更高效、可靠的解决方案。
-
关键词
智能农业
害虫识别
YOLOv8
空间深度卷积
SA
focalgiou
-
Keywords
intelligent agriculture
pest identification
YOLOv8
SPD-Conv
SA
focalgiou
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
