基于改进YOLOv8的茶叶病虫害检测算法

张子昂

doi:10.19469/j.cnki.2097-552X.2025.03.0023

辽宁开放大学学报（自然科学版） ›› 2025, Vol. 0 ›› Issue (03) : 23 -33. DOI: 10.19469/j.cnki.2097-552X.2025.03.0023

基于改进YOLOv8的茶叶病虫害检测算法

张子昂

作者信息 +

Author information +

文章历史 +

PDF

摘要

为解决茶叶本身表型和田间环境复杂特性带来的茶叶病虫害检测难题,提出一种改进YOLOv8茶叶叶片病虫害识别模型——YOLOv8-T。首先,创新性地嵌入大型可分离核注意力机制(Large Separable Kernel Attention,LSKA),突破传统金字塔网络在复杂自然场景下(如光照突变、枝叶遮挡)的特征表达瓶颈。其次,在特征融合层引入轻量级卷积技术GSConv替代普通卷积,配合SlimNeck特征融合模块,提高了对小目标的特征提取能力并简化了模型。最后,将YOLOv8n损失函数替换为动窗口损失(SlideLoss)以改善样本不平衡问题,加快收敛速度。实验结果表明,改进的YOLOv8-T模型在茶叶病虫害数据集上的平均精度(mAP@0.5)为86.0%,较原始YOLOv8n模型提高了2.4%,证明了改进方案的有效性。