基于RSLYOLO v8的水稻病害检测模型

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：马小龙;李春树;崔德牛;冯迪;郭中华

单位：宁夏大学电子与电气工程学院，宁夏银川 750021

摘要：针对传统水稻病害检测效率低下、识别精度不准确、过于依赖技术人员的工作经验和病害识别经济成本高等问题，提出一种基于YOLO v8网络模型改进的RSL-YOLO v8检测模型用于识别多种水稻病害。首先，将YOLO v8颈部网络中的所有C2f模块替换为更优秀的RepNCSPFPN模块，以改善对水稻叶片在复杂背景下的特征提取效果；其次，将原YOLO v8的损失函数从CIoU改进为SIoU，可以更好地捕捉预测框与真实框微小重叠的变化情况，进而提升定位精度，尤其是在处理细微病斑或病害特征时更为有效；最后，为了增强模型对多尺度特征的检测与分类能力，使用LADH检测头来增强对多尺度特征的检测与分类。改进的RSL-YOLO v8模型检测的精确率、召回率、mAP@0.5分别为94.3%、95.1%、96.2%，相比原始YOLO v8网络，分别提升7.7、8.0、5.2百分点。并且改进的RSL-YOLO v8网络的模型大小仅为21.9 MB，这为模型部署到硬件平台减轻负担。结果表明，本研究模型较原网络模型对水稻病害检测能力显著提高，并且增强了对小目标的识别。测试发现该模型具有较强的泛化能力，并且减少了大量经济投入，可应用于大规模水稻病害检测。

关键词：水稻叶片;YOLO v8模型;特征提取;RepNCSPFPN;SIoU;病害识别