基于改进YOLOv8s的自然环境下野生菌识别算法

来源：中国农机化学报杂志2026年第1期北京时间：

作者：向琪琪, 陈中举, 李嘉诚, 李和平, 许浩然, 王亮

单位：1. 长江大学计算机科学学院，湖北荆州，434023； 2. 荆州市人防指挥信息保障中心，湖北荆州，434000

摘要：为实现自然环境下对野生菌种类的精确识别，提出一种基于改进YOLOv8s的野生菌识别算法YOLOv8s—EAS。首先，使用EIE模块改进原C2f模块的Bottleneck结构，进一步捕获目标的空间信息和边缘特征信息，加强特征提取能力；其次，通过引入ADown模块，增强模型的特征提取能力；然后，提出一种融合MultiSEAM注意力机制的检测头，实现多尺度的野生菌检测，使模型能够更准确地检测出被遮挡情况下的野生菌，从而提升识别精确率；最后，替换损失函数为WIoU函数，加快模型的收敛，进一步提升模型的检测性能。结果表明，改进的YOLOv8s—EAS模型在野生菌识别任务中，其mAP@0.5和mAP@0.5∶0.95较原YOLOv8s模型分别提高2.1个百分点、1.6个百分点，精确率和召回率也分别提升5.2个百分点、1.3个百分点。对比目前主流的目标检测模型，YOLOv8s—EAS模型对自然环境下的野生菌识别精度具有明显优势，能够更好地满足实际农业需求。

关键词：边缘特征,野生菌识别,深度学习,目标检测,自然环境

基金资助：湖北省教育厅科学技术研究项目(B2021052)；中国高校产学研创新基金——新一代信息技术创新项目(2023IT269)