基于GEB-YOLO v8n的烟草蚜虫识别与计数方法

来源：农业机械学报杂志2026年第1期北京时间：

作者：罗斌，马乐意，周亚男，黄硕，谢子文，陈栋

单位：北京市农林科学院;新疆农业大学,北京市农林科学院;新疆农业大学,北京市农林科学院;农芯（南京）智慧农业研究院有限公司,北京市农林科学院,北京市农林科学院,北京市农林科学院;农芯（南京）智慧农业研究院有限公司,

摘要：蚜虫数量是直观表征烟草虫害侵染程度的表型指标之一，针对环境光照动态变化、图像模糊等田间图像采集问题，提出了一种GEB-YOLO v8n轻量化的烟草蚜虫检测算法。首先，主干网络引入GSConv与有效通道注意力机制(Efficient channel attention, ECA)，增强了协同输出烟蚜丰富的图像特征信息和目标导向能力；其次，颈部网络引入加权双向特征金字塔网络(Bidirectional feature pyramid network, BiFPN)，增强了模型检测烟蚜特征图的语义表达能力和空间信息质量；最后，引入WIoU作为边界框回归损失函数，通过动态聚焦复杂样本，使模型更好地泛化到新的、挑战性强的烟蚜检测场景。经模型结构重参数化与超参数优化后，形成面向田间烟蚜检测的网络架构。结果表明，改进后的模型平均精度均值(Mean average precision，mAP)和F1值分别达到了91.8%和90.4%，参数量(Parameters)降低42.8%，模型内存占用量(Model memory footprint)和浮点运算次数（Floating point operations, FLOPs)分别降低至3.5MB和4.1×109，平均推理时间缩短至3.6ms。基于GEB-YOLO v8n模型开发了一款面向小区田间烟草蚜虫识别与计数系统，系统具备在线式图像检测与视频检测双功能，能够在界面上直观展示烟蚜数量检测结果，满足小区田间烟蚜实时检测以及移动端部署的需求。本研究轻量化GEB-YOLO v8n模型为田间环境中烟草植物病虫害识别与表型分析提供了方法参考。

关键词：烟草蚜虫;精准识别;计数;轻量化;GEB-YOLO v8n

基金资助：黔科合重大专项(\[2024\]004)和中国烟草总公司贵州省公司科技项目（2024520000240085）