基于轻量化YOLO v8n的自然环境下车前草病虫害检测方法

来源：农业机械学报杂志2026年第2期北京时间：

作者：祝诗平，周杰，张越，唐茂杰，林曦

单位：西南大学,西南大学,西南大学,西南大学,西南大学,

摘要：为实现在自然环境下对车前草病虫害的快速准确检测，构建车前草虫害、车前草白粉病、车前草叶斑病和车前草花叶病4种常见病虫害的2290幅图像数据集，并提出一种基于YOLO v8n-Plantago的车前草病虫害检测方法。利用轻量化模型MobileNetV3替换原模型的Backbone，实现网络保持轻量化的同时提高模型响应速度；在模型的Neck部分使用VoV-GSCSP模块，替换第15、18、21层的C2f模块，以更高效地处理特征图并保留更多特征信息；在Head中引入RepVGG模块，加快模型的推理速度、减少模型内存占用量，进一步提高模型的准确率，实现对车前草病虫害快速、准确识别。在自建的车前草病虫害数据集上进行验证，结果显示，YOLO v8n-Plantago在车前草病虫害检测中的mAP@0.5达89.43%，相比于YOLO v8n模型提升2.04个百分点，并且浮点运算量下降61.43%，模型内存占用量下降3.53%，参数量下降7.31%。将模型部署到边缘端设备上，推理速度提升33.26%，后处理速度提升8.08%。改进的YOLO v8n-Plantago模型有效地实现了车前草病虫害检测，为研制车前草病虫害自动识别与精准喷药装置奠定了基础。

关键词：车前草;病虫害检测;YOLO v8n;MobileNetV3;VoV-GSCSP;RepVGG

基金资助：教育部中国高校产学研创新基金——德州专项（2021DZ005）