-
题名基于改进YOLOv8的牧场杂草检测算法
- 1
-
-
作者
黄新
-
机构
长江大学计算机科学学院
-
出处
《计算机应用文摘》
2026年第2期71-74,共4页
-
文摘
针对牧场杂草检测中小目标特征易丢失、复杂背景干扰严重及轻量化模型部署需求等关键问题,提出了一种改进的轻量化检测模型YOLOv8n-iEBC。首先,针对杂草目标尺度小、与背景对比度低的问题,在主干网络中引入iRMB-EMA模块,通过深度可分离卷积提取局部纹理特征,并结合EMA注意力机制动态调节历史特征与当前特征的权重分配,从而增强细粒度特征的表达能力。其次,针对传统BiFPN多尺度特征融合冗余度较高的问题,设计了i-BiFPN结构,通过简化层级连接并引入自适应加权融合策略,在降低计算复杂度的同时提升小目标检测性能。实验结果表明,改进模型在Kaggle牧场杂草数据集上的mAP@0.5-0.95达到84.8%,较原始YOLOv8n提升1.9%;参数量减少4.24%,计算量仅增加0.2 GB。该模型在保证检测精度的同时兼顾了计算效率,为牧场杂草的实时精准检测提供了一种高精度、低资源消耗的解决方案,有助于推动农业智能化管理的应用落地。
-
关键词
YOLOv8n-iEBC
iRMB-EMA
i-bifpn
牧场杂草检测
轻量化模型
-
Keywords
YOLOv8n-iEBC
iRMB-EMA
i-bifpn
pasture weed detection
lightweight model
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
