基于改进YOLOv8n的苹果叶片病害检测

来源：中国农机化学报杂志2026年第4期北京时间：

作者：张和群, 蔺素银, 初禹彤, 范明超, 高欣峰

单位：青岛农业大学动漫与传媒学院，青岛市，266109

摘要：为提升复杂背景下苹果叶片病害的检测精度，应对苹果叶片病害对生产带来的影响，提出改进YOLOv8n模型。构建一个多场景下的苹果叶片病害数据集，共包含4 686张图片，涵盖6种常见病害。引入Optimized—CBAM注意力机制，增强模型对关键特征的关注度。使用更轻量化且高效的SimSPPF模块替换特征融合模块。引入结合CIoU和EIoU优点的Focal—EIoU损失函数，进一步增强模型在特征提取和边界框精确定位方面的能力。结果表明，改进YOLOv8n模型精确率为94.16%、召回率为84.16%、平均精度均值mAP为87.4%，模型体积为6.15 MB，检测速度为370.4 FPS，相比于基线YOLOv8n模型，分别提升1.02%、4.07%、2.8%、0.03 MB、14.8%。改进YOLOv8n模型有效提高苹果叶片病害的检测性能，特别是在复杂背景下，其检测精度和鲁棒性显著优化。为智能农业的病害检测提供可靠支持。

关键词：苹果叶片,植物病害,YOLOv8n,深度学习,目标检测

基金资助：青岛市科技惠民示范专项项目(24—1—8—xdny—12—nsh)