基于改进YOLOv8模型的玉米叶斑病快速识别方法

来源：湖北农业科学杂志2025年第5期北京时间：

作者：张露, 吴雪莲

单位：长江大学经济与管理学院,湖北 荆州 434023

摘要：为了实现玉米叶斑病的快速识别,通过集成全局注意力机制（Global attention module,GAM）、Slim-Neck轻量化模块及Inner-CIoU损失函数,优化YOLOv8模型的玉米叶斑病检测性能。与YOLOv8模型相比,改进YOLOv8模型（GAM+Slim-Neck+Inner-CIoU）的Precision、Recall、mAP@0.5和mAP@[0.5∶0.95]分别增加4.15%、5.51%、3.91%和11.35%,参数量和检测时间分别减少10.39%和3.42%。改进后的YOLOv8模型在Precision、Recall、mAP@0.5和mAP@[0.5∶0.95]方面普遍优于其他模型（YOLOv3、YOLOv5、YOLOv6及Faster R-CNN）,同时在参数量和检测时间上也表现出显著的优势,兼具高效性与轻量化特点。改进后的YOLOv8模型能够更高效地捕获关键信息,充分融合多维度特征,合理分配计算资源,从而提升识别准确率。

关键词：玉米,叶斑病,改进,YOLOv8模型,快速识别

基金资助：湖北省教育厅科学研究计划项目（D20211302）