农业机械学报

作者：刘双喜，王刘西航，王金星，胡宪亮，杨圣杰，马盼

单位：山东农业大学,山东农业大学,山东农业大学,山东祥辰科技集团有限公司,山东农业大学,济南市农业科学研究院,

关键词：水稻害虫;一拖三活体靶向诱捕器;CBAM;AFPN

基金：山东省现代农业产业技术体系水稻农业机械岗位专家项目（SDAIT-17-08）、山东省水稻产业技术体系济南综合试验站项目（SDAIT-17-10）和济南市农业科学研究院2024年协同创新项目（202402）

针对水稻活体害虫智能识别过程中容易出现目标小、姿态各异以及诱捕时诱捕装置效率不高等问题，导致害虫识别精度不足，本文提出一种基于一拖三活体靶向诱捕器改进YOLO v8n模型的水稻害虫智能识别方法。通过改进传统靶向识别装置结构，设计一拖三活体靶向诱捕装置提高工作效率；针对智能识别所需数据集制作，提出图像逐帧清晰度对比排序法进行数据集提取，通过改进CBAM注意力机制引入自适应模块，提升模型对目标区域关注度，改进AFPN结构，在AFPN中增加高分辨率P2层，以增强对小目标的识别能力。模型试验结果表明，改进后的YOLO v8n模型在稻纵卷叶螟数据集上的平均精度均值（mAP@0.5）达到95.65%。消融试验结果表明，改进后的CBAM模块、引入P2层AFPN结构均显著提升模型性能，使模型综合识别能力达到最优。田间试验进一步验证改进后的YOLO v8n模型实际应用效果，结合靶向识别装备在稻田中稻纵卷叶螟识别率达90%以上，表现出较好鲁棒性和稳定性。综上，本文提出基于YOLO v8n改进的模型水稻活体害虫识别方法能够有效提高识别精度与效率，为水稻害虫精准识别和防控提供科学依据，具有较强实际应用价值与推广潜力。

来源：2025年第12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12期