基于改进YOLOv8和无人机遥感影像的大田烟株数量检测

来源：电子测量技术杂志2024年第9期北京时间：

作者：肖恒树，李军营，梁虹，马二登，张宏

单位：1.云南大学信息学院 昆明 650504; 2.云南省烟草农业科学研究院 昆明 650021

摘要：植株精确计数在精准化农业中至关重要，是监测作物生长和预测产量的重要基础。针对成熟期烟草植株存在的密植、重叠和高空小目标等难题，研究提出了一种轻量级 GEW-YOLOv8 烟株检测算法。该算法采用GhostC2f 模块减少了模型的参数和计算量，并应用高效的多尺度注意力机制来区分被遮挡的烟草植株。此外，还引入了 WIoU 损失函数，以加速模型收敛并提高准确性。实验结果表明，与原始模型相比，模型的效率和准确性有了显著提高，浮点运算次数减少了 24.7%，模型大小减少了 26.7%。改进后的模型烟草植株检测平均精度 AP0.5 和 AP0.5~0.95分别为 99.1%和 86.2%，相较于原YOLOv8n 模型分别提高了0.8% 和3.6%。改进后的模型能够更快、更精确地识别田间烟草植物，为智慧烟草农业提供技术支持。

关键词：YOLO;无人机;遥感影像;目标检测;烟草植株计数;轻量化

基金资助：中国烟草总公司云南省公司科技计划项目(2021530000241025)、云南大学研究生科研创新基金（KC-23235266）项目资助