基于EDW-YOLOv8的棉花叶片病害检测

摘要

为解决复杂自然环境背景下棉花叶片病害检测准确率低的问题，提出一种基于改进YOLOv8n的棉花叶片病害检测模型。首先在YOLOv8n的骨干网络处加入EMA注意力机制，同时在骨干网络中的C2f模块中加入可变形卷积Deformable ConvNets v2模块，扩大感受野以加强特征提取能力。在此基础上，将损失函数CIoU替换为具有动态聚焦机制的边界框回归损失WIoU，以加快模型收敛速度，进一步提升模型性能。试验结果显示，改进后的EDW-YOLOv8模型准确率、召回率和平均精度相较于YOLOv8n分别提升了4.3、7.5和4.6百分点。结果表明，研究所提出的模型具有良好的泛化性，可以准确高效地检测出图像中棉花叶片病害目标。

关键词

棉花叶片病害 / YOLOv8 / 注意力机制 / 可变形卷积 / 损失函数