农业机械学报

作者：时雷，杨程凯，雷镜楷，刘志浩，王健，席磊，熊蜀峰

单位：河南农业大学,河南农业大学,河南农业大学,河南农业大学,河南农业大学,河南农业大学,河南农业大学,

关键词：小麦赤霉病;目标检测;YOLO v8;全维动态卷积;Neck网络;EIoU

基金：国家自然科学基金项目（31501225）、河南省科技研发计划联合基金项目（222301420113）、河南省自然科学基金项目（232300420186）和河南省科技攻关项目（242102111193）

为实现大田复杂背景下小麦小穗赤霉病快速准确识别，构建了包含冬小麦开花期、灌浆期和成熟期3个生育期共计640幅的小麦赤霉病图像数据集，并提出一种基于改进YOLO v8s的小麦小穗赤霉病识别方法。首先，利用全维动态卷积ODConv替换主干网络中的标准Conv，提高网络对目标区域特征的提取；然后，在Neck网络使用改进Efficient RepGFPN特征融合网络实现低层特征与高层语义信息的融合，使模型能够提取更丰富的特征信息；最后，采用EIoU损失函数替换CIoU损失函数，加快模型收敛速度，进一步提高模型准确率，实现对小麦小穗赤霉病的快速、准确识别。在自建的数据集上进行模型验证，结果表明，改进模型（OCE-YOLO v8s）对小麦小穗赤霉病的检测精度达到98.3%，相比原模型提高2个百分点；与Faster R-CNN、CenterNet、YOLO v5s、YOLO v6s、YOLO v7模型相比分别提高36、25.7、2.1、2.6、3.9个百分点。提出的OCE-YOLO v8s模型能有效实现小麦小穗赤霉病精确检测，可为大田环境下农作物病虫害实时监测提供参考。

来源：2024年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第7期