基于改进YOLOv8算法的谷子田杂草检测

王鑫淼 张正 董晓威 王林烽 李瑞祥

黑龙江八一农垦大学工程学院

摘要： 针对谷子田环境复杂、杂草种类众多、杂草分布密集的特点导致识别精度低的问题，提出一种基于YOLOv8的改进模型。通过加入CloFormer结构来减少YOLOv8算法计算量并提高识别精度，使用Global和Local的注意力与c2f模块进行融合，使用AttnConv共享权重来整合局部信息，部署上下文感知权重来增强局部特征；为进一步提高识别精度，另外添加Gam注意力机制，与当前较先进的注意力机制进行对比试验，并与YOLO各系列模型进行对比试验。结果表明，YOLOv8-CG模型检测的平均精度均值为92.6%,比YOLOv5模型高4%。同时分析垄的种植密度不同对模型识别产生的影响，种植较为稀疏的10号垄比种植密集的2号垄精度高6.6%。

关键词：杂草检测；谷子；YOLOv8；注意力机制；轻量级模型

基金资助： 国家自然科学基金项目(52275246)； 黑龙江省博士后基金项目(LBH—Z20203)； 黑龙江八一农垦大学杂粮优势特色学科项目(GCZL202306)

文章来源：《中国农机化学报》