基于改进YOLO v8s的小麦小穗赤霉病检测研究

作     者：时雷 杨程凯 雷镜楷 刘志浩 王健 席磊 熊蜀峰 SHI Lei;YANG Chengkai;LEI Jingkai;LIU Zhihao;WANG Jian;XI Lei;XIONG Shufeng

作者机构：河南农业大学信息与管理科学学院郑州450046 河南粮食作物协同创新中心郑州450046 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年第55卷第7期

页      面：280-289页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(31501225) 河南省科技研发计划联合基金项目(222301420113) 河南省自然科学基金项目(232300420186) 河南省科技攻关项目(242102111193) 

主　　题：小麦赤霉病 目标检测 YOLO v8 全维动态卷积 Neck网络 EIoU 

摘      要：为实现大田复杂背景下小麦小穗赤霉病快速准确识别,构建了包含冬小麦开花期、灌浆期和成熟期3个生育期共计640幅的小麦赤霉病图像数据集,并提出一种基于改进YOLO v8s的小麦小穗赤霉病识别方法。首先,利用全维动态卷积ODConv替换主干网络中的标准Conv,提高网络对目标区域特征的提取;然后,在Neck网络使用改进Efficient RepGFPN特征融合网络实现低层特征与高层语义信息的融合,使模型能够提取更丰富的特征信息;最后,采用EIoU损失函数替换CIoU损失函数,加快模型收敛速度,进一步提高模型准确率,实现对小麦小穗赤霉病的快速、准确识别。在自建的数据集上进行模型验证,结果表明,改进模型(OCE-YOLO v8s)对小麦小穗赤霉病的检测精度达到98.3%,相比原模型提高2个百分点;与Faster R-CNN、CenterNet、YOLO v5s、YOLO v6s、YOLO v7模型相比分别提高36、25.7、2.1、2.6、3.9个百分点。提出的OCE-YOLO v8s模型能有效实现小麦小穗赤霉病精确检测,可为大田环境下农作物病虫害实时监测提供参考。