基于YOLOv8n的自然环境下棉花病虫害识别算法

摘要

为解决在自然环境下棉花病虫害检测难度大以及检测模型复杂的问题，提出了一种改进的YOLOv8n算法。该算法在YOLOv8n原有的基础上，先在骨干网络中将卷积模块替换为轻量化的SCConv模块，降低了骨干网络参数以及计算量，并在保证检测精度的同时提高检测速度；在特征融合阶段加入了SE注意力机制，强调了病虫害的信息特征并抑制无关的特征，从而提升模型在病虫害识别方面的表现；同时结合了EIoU损失函数进一步优化训练过程，提高了损失函数的收敛速度与回归精度。实验结果表明：改进后算法的平均精度均值mAP@0.5相较于YOLOv8n提升了4%、在模型参数上减少了10%，在帧数参数上提高了10帧，实验结果证明了改进YOLOv8n算法的有效性，可以满足在自然环境下棉花病虫害识别检测的基本要求。

关键词

目标检测 / 注意力机制 / 棉花叶片 / 病虫害识别