基于改进YOLO v8s的葡萄叶片病害检测

来源：江苏农业科学杂志2024年第第21期北京时间：

作者：张立强;武玲梅;蒋林利;黄鸿柳

单位：1.广西科技师范学院人工智能学院，广西来宾 546199； 2.南京师范大学计算机与电子信息学院/人工智能学院，江苏南京 210023

摘要：针对葡萄叶片病害检测技术存在特征提取能力不足、精度不高、漏检等问题，以葡萄叶片3种病害为研究对象，提出一种基于YOLO v8s改进的检测模型。在主干网引入全局注意力机制，通过融合跨维度信息，增强主干特征提取能力。在主干网末端，引入动态蛇形卷积替换原算法的卷积网络，增强网络对几何变形的感知，以更高的精度捕获图像中复杂几何特征。在输出端改进边框位置回归损失函数，引入Focal-EIoU损失函数，平衡不同类别和不同质量的样本，提高边界框的回归精度。在输出端通过增加小目标检测头，提高算法对小目标的检测性能。结果表明，改进后的模型在mAP@0.5、mAP@0.5 ∶0.95分别达到90.9%、58.0%，相比YOLO v8s提高了4.5、3.1百分点；FPS达到132.6帧/s，满足实时检测要求，并且与其他5种非基线代表性检测模型相比，具有更高的检测精度和速度，为葡萄病害检测提供了一种更优的方法，对于防治葡萄病害具有重要意义。

关键词：葡萄病害;YOLO v8;注意力机制;动态蛇形卷积;小目标检测