基于改进YOLOv8n的葡萄叶片病害轻量化识别系统研究

来源：中国农机化学报杂志2026年第6期北京时间：

作者：陈广大, 付帅威, 刘德君, 金世宇, 李东杞

单位：1. 北华大学电气与信息工程学院，吉林吉林，132021； 2. 北华大学工程训练中心，吉林吉林，132021

摘要：针对葡萄叶病害检测模型部署到移动端困难和复杂自然环境背景下检测精度低的问题，提出一种基于改进YOLOv8n的轻量化检测模型。首先，使用RepViT网络中的Block模块对YOLOv8n的主干网络C2f模块进行改进，改进模型相比于YOLOv8n模型，参数量和计算量分别降低23.3%和21.0%。其次，为提高模型对病害目标特征的提取能力，将高效多尺度注意模块加入C2f模块中，提升模型的精确率，优化模型的检测效果。然后，为弥补CIoU损失函数在检测任务中泛化性弱和收敛速度慢的问题，使用DIoU损失函数加速边界框回归，提高模型检测性能。最后，进行试验对比。结果表明，改进后的轻量化模型参数量为2.3 M，为原始YOLOv8n模型的76.7%；浮点运算量为6.4 G，为原始模型的79.0%；模型大小为4.7 MB，为原始模型的78.3%，并且精确率、召回率和平均精度均值相比原始YOLOv8n模型分别提高3.5、7.5和5.1个百分点。改进后的轻量化模型与当前主流的YOLO系列轻量化目标检测模型相比，具有更小的计算量和参数量。

关键词：葡萄叶片病害,YOLOv8n,轻量化,复杂环境,目标检测

基金资助：吉林省教育厅科学技术研究项目(JJKH20240084KJ， JJKH20210042KJ)