基于改进YOLOv8n的黄瓜叶片病害识别

卢彦梅，陈明东，史宇亮，王家胜，刘晓童，胡鹏翔

青岛农业大学机电工程学院

摘要：为快速准确地检测出复杂自然环境下的黄瓜叶片病害目标，针对不同天气、角度、方向以及距离等因素造成黄瓜叶片图像识别准确率低的问题，构建黄瓜叶片数据集图像6 620幅，种类包括霜霉病、白粉病、晚疫病及正常叶片，并基于YOLOv8n模型提出AKGAM—YOLOv8模型。在Bottleneck网络层中引入可变核卷积AKConv，降低模型参数与计算开销，使原模型更加轻量化。在此基础上，使用特征融合网络BiFPN与注意力机制GAM，在不降低检测速度的同时提高模型对细小特征的提取能力。更改原模型损失函数为WIoU损失函数，梯度下降速度和收敛后损失值比原模型有优势。试验结果表明，改进后模型的黄瓜叶片病害识别精确率为97.21%，模型权重为13.22 MB，与原模型相比，模型权重缩小为基线网络的56.42%，精确率提升1.71%，平均精度均值提升3.04%，满足黄瓜叶片病害实时检测的要求，并可为复杂自然环境下的农作物病害识别检测提供理论依据。

关键词：黄瓜叶片病害；目标检测；YOLOv8n；轻量化；AKConv卷积；注意力机制

文章来源：《中国农机化学报》