基于改进YOLOv8n的黄瓜叶片病害识别

来源：中国农机化学报杂志2026年第2期北京时间：

作者：卢彦梅, 陈明东, 史宇亮, 王家胜, 刘晓童, 胡鹏翔

单位：青岛农业大学机电工程学院，青岛市，266109

摘要：为快速准确地检测出复杂自然环境下的黄瓜叶片病害目标，针对不同天气、角度、方向以及距离等因素造成黄瓜叶片图像识别准确率低的问题，构建黄瓜叶片数据集图像6 620幅，种类包括霜霉病、白粉病、晚疫病及正常叶片，并基于YOLOv8n模型提出AKGAM—YOLOv8模型。在Bottleneck网络层中引入可变核卷积AKConv，降低模型参数与计算开销，使原模型更加轻量化。在此基础上,使用特征融合网络BiFPN与注意力机制GAM，在不降低检测速度的同时提高模型对细小特征的提取能力。更改原模型损失函数为WIoU损失函数，梯度下降速度和收敛后损失值比原模型有优势。试验结果表明，改进后模型的黄瓜叶片病害识别精确率为97.21%，模型权重为13.22 MB，与原模型相比，模型权重缩小为基线网络的56.42%，精确率提升1.71%，平均精度均值提升3.04%，满足黄瓜叶片病害实时检测的要求，并可为复杂自然环境下的农作物病害识别检测提供理论依据。

关键词：黄瓜叶片病害,目标检测,YOLOv8n,轻量化,AKConv卷积,注意力机制

基金资助：山东省农业重大应用技术创新项目（662/2318120）