基于改进YOLOv8的轻量化水稻病虫害识别模型研究

来源：湖北农业科学杂志2025年第8期北京时间：

作者：李鹏飞, 曾靖

单位：长江大学经济与管理学院,湖北 荆州 434023

摘要：在YOLOv8模型的基础上,同时引入ShuffleNetv2模块和Conv_MaxPool模块,构建改进YOLOv8模型（YOLOv8-ShuffleNetv2-Conv_MaxPool）。通过在YOLOv8模型中集成ShuffleNetv2模块和Conv_MaxPool模块,改进YOLOv8模型在保持轻量化的同时,明显提升了水稻病虫害检测的综合性能,有效降低了误检率和漏检率。改进YOLOv8模型在多个数据集上表现出色,进一步验证了其鲁棒性和泛化能力。消融试验表明,在自建数据集中,相较于YOLOv8模型,改进YOLOv8模型的准确率、精确率、召回率、F1得分分别提高了3.73、3.56、3.78、3.73个百分点,参数量仅为24.80 MB。在Coco128数据集中,改进YOLOv8模型表现最佳,各项指标均在88.00%左右,明显优于YOLOv8模型、YOLOv8-ShuffleNetv2模型、YOLOv8-Conv_MaxPool模型。该模型能有效实现实际生产环境中水稻病虫害的快速准确识别。

关键词：水稻病虫害,改进YOLOv8模型,轻量化,识别模型

基金资助：国家自然科学基金面上项目(62077018)