基于改进YOLOv8n的轻量化水稻病害检测方法

来源：中国农机化学报杂志2025年第12期北京时间：

作者：李新超, 杨铭严, 孙国玺

单位：(广东石油化工学院电子信息工程学院，广东茂名，525000)

摘要：针对现有水稻病害检测模型存在复杂度高、病害特征尺度差异显著以及检测精度低等问题，提出一种改进型的轻量化水稻病害检测算法YOLOv8n—ADMW。引入ADown轻量化下采样模块替代网络中的CBS模块，有助于模型捕获病害特征以及减少模型计算量，实现模型的轻量化；使用基于点采样的动态上采样算子Dysample替代传统上采样方法，根据输入特征内容自适应学习采样参数，减少病害边缘和特征信息的丢失；设计C2f—MSBlock模块更换颈部网络中的C2f模块，进一步增强多尺度病害特征融合能力，提高对多尺度目标的检测精度；将YOLOv8n原有的CIoU损失函数更改为动态非单调的聚焦机制WIoUv3，通过梯度增益分配策略提高模型的精确定位能力。试验结果表明，改进后的轻量化模型的平均精度均值mAP@0.5和mAP@0.5∶0.95分别达到91.4%、56.8%，与YOLOv8n基线模型相比分别提高4.5%、3.5%，参数量和模型大小仅为2.4 M和5 MB，与改进前相比，分别减少20%、16.7%。YOLOv8n—ADMW算法使模型保持轻量化的同时提高检测精度，能够实现对水稻病害的有效检测，可为后续水稻不同病害的诊断提供技术支撑。

关键词：水稻病害,目标检测,轻量化,损失函数,多尺度特征融合

基金资助：广东省重点领域研发计划项目(2021B0707010003)；广东省教育厅高校自然科学研究项目(2020KTSCX083)；茂名市科技专项资金项目(220413224551968)