基于改进YOLOv8小麦田间杂草检测方法研究

来源：中国农机化学报杂志2026年第1期北京时间：

作者：石琳, 郭攀, 刘志兵

单位：1. 开封文化艺术职业学院，河南开封，475000； 2. 郑州大学黄河实验室，郑州市，450001；3. 河南农业大学信息与管理科学学院，郑州市，450003

摘要：为实现智能化小麦田间杂草管理，提出一种基于改进YOLOv8小麦田间杂草检测方法。建立小麦田间杂草数据集进行模型训练、验证和测试，将C2f与全维动态卷积(ODConv)融合形成C2f—ODConv结构，以增强模型对杂草特征的提取能力；在检测头部分加入3组SimAM注意力模块，提升模型对杂草特征的关注度；采用Inner—IoU损失函数优化模型的回归性能。结果表明，改进模型的精确率为77.48%，召回率为66.45%，平均精度均值为72.37%，相比于原YOLOv8模型分别提升3.66%、4.08%、3.15%，能够满足实际应用中对杂草检测精确度的要求。为小麦田间杂草智能检测提供技术支持，为精准农业和可持续杂草管理提供新思路。

关键词：小麦,田间杂草,智能化除草,YOLOv8

基金资助：开封市哲学社会科学规划调研课题(ZXSKGH—2019—B052)