基于改进YOLOv8算法的水稻田间人工施肥行为识别

来源：中国农机化学报杂志2025年第1期北京时间：

作者：卢明, 余心杰, 郭俊先

单位：1. 新疆农业大学机电工程学院，乌鲁木齐市，830052；2. 浙大宁波理工学院计算机与数据工程学院，宁波市，315100

摘要：在水稻种植过程中，为实现人工施肥行为自动化的检测和识别，以浙江省宁波市海曙区数字农业中心水稻田间的人工施肥行为识别作为研究目标，开展基于YOLOv8算法的水稻田间人工施肥行为识别研究。在YOLOv8算法的基础上增加目标检测层，保留浅层特征信息，增强网络模型对小尺寸目标特征的感知能力；引入全局注意力模块，增强网络模型对全局特征信息的关注度。结果表明，改进后的YOLOv8-GS识别模型mAP值为98.4%，比原YOLOv8模型提高2.4%，每幅图像检测时间为1.7ms。对小尺寸目标测试集检测，mAP值为98.6%，比改进前提高3.3%。YOLOv8-GS模型具有高精度、实时性、多尺度等优点，特别是对小尺寸目标具有较强的检测和识别能力。

关键词：水稻,施肥,行为识别,YOLOv8,检测层,注意力机制

基金资助：科技创新团队（天山创新团队）项目（2022TSYCTD0011）；宁波市科技计划项目（2022S229）