基于改进YOLOv8n的松材线虫病疫木检测

来源：中国农机化学报杂志2026年第6期北京时间：

作者：张习行, 王新鹏, 王德高

单位：1. 贵州大学矿业学院，贵阳市，550025； 2. 安徽工业经济职业技术学院地质与建筑工程学院，合肥市，230051

摘要：松材线虫病传入我国以来，在我国造成极大的生态与经济损失，如何快速准确地监测松树的感染状况对控制此类病虫害传播至关重要。针对目前目标检测模型对松材线虫病疫木检测存在的小目标疫木检测精度不高、边界框回归精度不足、模型不够轻量化等问题，提出一种改进YOLOv8n算法。首先，将主干网络中的C2f(Cross‑Stage Feature Fusion)模块全部替换为CG(Context Guided)模块，通过上下文引导优化特征学习过程，在提升模型对小目标物体的检测能力的同时，使模型更加轻量化。其次，在颈部网络中使用Slim—neck架构，降低模型计算的复杂度，保证较高的准确性。最后，将损失函数改为Shape—IoU，Shape—IoU通过关注边界框本身的形状和尺度来计算损失，从而使边界框回归更加准确。结果表明，改进后的模型对感染松材线虫病的疫木检测效果有明显提高，与原本的YOLOv8n模型相比，其平均精度均值、精确率、召回率分别提高2.1、3.7、1.8个百分点，达到91.1%、89.1%、74.4%。改进后的模型具有较高的识别准确率，模型更加轻量化，可为松材线虫病疫木检测提供参考。

关键词：松材线虫病,YOLOv8,疫木检测,Slim—neck,损失函数,图像识别

基金资助：贵州大学引进人才科研项目(贵大人基合字(2020)43号)；贵州大学培育项目(贵大培育[2020]57)；安徽高校自然科学重点项目(2023AH05268)