基于改进YOLOv8n的真实场景下草莓病害检测方法

来源：中国农机化学报杂志2024年第12期北京时间：

作者：李嘉诚, 陈中举, 许浩然

单位：（长江大学计算机科学学院，湖北荆州，434023）

摘要：针对实际种植环境下草莓病害目标检测中，存在背景复杂、检测精度低等主要问题，提出一种改进YOLOv8n的草莓病害检测算法YOLOv8n-SD。搜集并处理真实场景下草莓叶、花、果的常见病害图像以构建试验数据集。在YOLOv8n模型的基础上对其进行优化改进，利用多尺度并行计算与补丁感知注意力对主卷积模块进行重构，提出C2f-PPA模块，有效融合多尺度特征信息，提高模型的特征捕获能力。引入ADown模块，减少下采样过程中的信息损失，提高模型的推理速度和鲁棒性。提出一种任务对齐的共享动态检测头（Task-aligned Dynamic Head，TDyH），增强定位分支和分类分支之间的信息交互，降低模型参数的同时，提高检测精度和准确性。根据试验结果，改进后的YOLOv8n-SD模型的检测精度达到83.7%，相较于原YOLOv8n提高3.3%，mAP@0.5与mAP@0.5∶0.95分别达到76.9%和59.9%，分别提升1.6%和2.3%。改进后的算法能精确识别草莓生长各阶段的常见病害，并满足边缘设备的轻量化需求和实时检测需求。

关键词：草莓病害,目标检测,YOLOv8n,ADown,轻量化,实时检测

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）