农业机械学报

作者：白凯，张玉杰，苏邓文，秦涛，彭志强

单位：长江大学,长江大学,长江大学,长江大学,长江大学,

关键词：花生叶片病害;YOLO v8n;目标检测;ADown;可变形注意力

基金：中国高校产学研创新基金—新一代信息技术创新项目（2020ITA03012）和油气钻采工程湖北省重点实验室（长江大学）开放基金项目（YQZC202205）

针对花生叶片病害在复杂环境下相似特征难以准确识别的问题，提出一种基于改进YOLO v8n模型的检测算法YOLO-ADM。首先，使用ADown模块代替部分CBS模块，降低下采样中的信息损失，减少了模型的参数量;其次，将可变形注意力（Deformable attention，DA）机制添加到C2f模块组成C2f-DA结构，替换了SPPF上层的C2f模块，使模型聚焦到花生叶片病害的特定区域，准确捕捉其特征;最后，设计了一种全新的多尺度特征融合网络MFI Neck代替了YOLO v8n原有的颈部网络，增强了模型对不同尺度特征的融合能力。通过在花生叶片病害数据集上进行实验，结果表明，改进算法的准确率、召回率、mAP@0.5和mAP@.5:0.95分别达到92.3%、91.0%、95.6%和85.2%，相比原始的YOLO v8n分别提高4.5、0.2、1.6、3.0个百分点，且模型内存占用量减少0.65MB，参数量下降3.70×10.5。本算法在保证模型轻量化的前提下提升了检测能力，能够有效满足复杂环境下花生叶片病害的识别需求，为叶片病害的检测和监控提供了技术参考。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期