基于YOLOv8n的甘蔗杂草识别方法

来源：中国农机化学报杂志2025年第2期北京时间：

作者：罗柳茗, 李岩舟, 石美琦, 黄鑫, 陈汐

摘要：杂草是影响甘蔗生长的重要因素之一，为实现对不同甘蔗杂草的识别，提出一种基于深度学习的甘蔗杂草检测方法。以广西地区常见且对甘蔗生长危害较大的杂草为对象进行图片采集，并对采集的图片进行平移、翻转、裁剪、缩小、对比度和光亮调整及去噪等操作增强数据。利用YOLOv8n检测模型对数据集进行试验，并与YOLOv3—tiny、YOLOv4—tiny、YOLOv5n和Yolov7—tiny进行对比。试验结果表明，YOLOv8n检测模型的精确率为98.3%，召回率为96.8%，mAP为98.2%。与目前主流的轻量化目标检测算法YOLOv3—tiny、YOLOv4—tiny、YOLOv5s和YOLOv7—tiny对比，精确率分别提高26.9%、12.7%、4.2%和9%；召回率分别提高25%、24.5%、6.1%和10.6%；mAP分别提高25.9%、19.4%、3.6%、7.8%。同时，在密集、遮挡、杂草交错、小目标、昏暗环境的情况下YOLOv8n检测模型对甘蔗杂草能实现高精度识别，具有较强的鲁棒性。

关键词：甘蔗,杂草识别,YOLOv8n算法,目标检测

基金资助：国家重点研发计划项目（2000YFD2301104）；广西科技计划项目（2022AA01020, 2022AA01010）