基于改进YOLO v8的苹果叶部病害检测方法

来源：江苏农业科学杂志2025年第第5期北京时间：

作者：曾林涛;马嘉昕;丁羽;许晓东

单位：1.塔里木大学机械电气化工程学院，新疆阿拉尔 843300； 2.南疆特色农林产物利用与装备兵团重点实验室，新疆阿拉尔 843300； 3.新疆维吾尔自治区教育厅普通高等学校现代农业工程重点实验室，新疆阿拉尔 843300

摘要：针对苹果叶部病害在自然环境下形态和颜色特征较为复杂、区分度较低等特点，提出一种高效的病害检测模型，为病害的预防与科学化治理提供准确的依据。基于YOLO v8算法，在主干网络(backbone)末端，加入注意力机制Shuffle Attention(SA)，根据样本分布特点进行数据增强，引入Mixup、Mosaic、Random等数据增强方法增加特征表达能力，在提高检测性能的同时，不显著增加计算复杂度；在neck末端，使C2f模块与可变形卷积神经网络模块(Deformable Conv V2)相结合，以提升复杂背景下的检测性能，从而提高检测准确度，有效提高模型性能；为克服CIoU损失函数的局限性，采用MPDIoU损失函数，解决CIoU在特定场景下的限制。结果表明，相较于原始YOLO v8算法，本研究算法的平均准确率提升3.5百分点，mAP@0.5 ∶[KG-*3]0.95提升4.6百分点，精确率提升3.6百分点，说明改进的算法在苹果叶部病害检测方面取得有效成果。

关键词：YOLO v8;苹果叶部病害;目标检测;Shuffle Attention;C2f_DCNV2;MPDIoU