引用格式：
罗友璐, 潘勇浩, 夏顺兴, 陶友志. 基于改进YOLOv8的苹果叶病害轻量化检测算法[J]. 智慧农业(中英文), 2024, 6(5): 128-138.
Citation:LUO Youlu, PAN Yonghao, XIA Shunxing, TAO Youzhi. Lightweight Apple Leaf Disease Detection Algorithm Based on Improved YOLOv8[J]. Smart Agriculture, 2024, 6(5): 128-138.
官网全文在线阅读
知网阅读
基于改进YOLOv8的苹果叶病害轻量化检测算法
罗友璐， 潘勇浩*， 夏顺兴， 陶友志
（四川农业大学 信息工程学院，四川雅安 625014，中国）
摘要：
［目的/意义］苹果是中国重要的农产品，为了保障苹果的健康生长，降低其患病率，研发苹果叶病害检测技术具有重要意义。本研究旨在应对苹果生长过程中出现的病害快速检测问题，提出一种基于改进YOLOv8的苹果叶病害检测算法。
［方法］选用YOLOv8n模型对苹果在生长期间的多种病害（褐腐病、褐纹病、黑星病和锈病）进行识别。引入SPD-Conv替代传统卷积层，降低模型参数量和运算量的同时提高检测精度。在Neck层中添加多尺度空洞注意力机制（Multi-Scale Dilated Attention, MSDA），使模型通过动态感受野自适应地聚焦于图像中的关键区域，增强病害特征提取能力。此外，参考重参数化卷积神经网络（Reparameterized Convolutional Neural Network, RepVGG）架构，优化了原有检测头，实现检测和推理过程的架构分离，加快了模型的推理速度，提升了其特征学习能力。最后，构建了一个包含上述病害的苹果叶片数据集，并在此数据集上进行试验。
［结果和讨论］改进后的模型在运算量降低0.1 G的同时，mAP50和mAP50∶95分别达到了88.2%和37.0%，较原模型分别提高了2.7%和1.3%，模型大小仅为7.8 MB。准确率和召回率分别为83.1%和80.2%，较原模型分别提升了0.9%和1.1%。分别与YOLOv7-tiny、YOLOv9-c、RetinaNet、Faster-RCNN等多个模型进行对比试验，结果表明，提出的YOLOv8n-SMR模型表现出优异性能，有效控制了计算复杂度和参数量。优化后的网络结构在模型大小，浮点运算次数和参数量上均保持较低水平，适合在无人机系统等硬件资源受限设备上高效部署。
［结论］改进后的模型能够实现对苹果叶病害的准确检测，该方法不仅提高了检测精度，还通过轻量化设计有效减少了模型的运算量，为后续的苹果生长和果实收集提供可靠的数据支持，并为进一步苹果叶病害研究和探索提供了有利的参考。
关键词： 深度学习；YOLOv8；苹果叶病害检测；MSDA；SPD-Conv
文章图片
图1 RepVGG架构示意图
Fig. 1 Sketch of RepVGG architecture
图2 本研究提出的YOLOv8n-SMR结构
Fig.2 The structure of the proposed YOLOv8n-SMR
图3 苹果叶病害检测中YOLOv8n改进前后的mAP50、mAP50：95结果可视化
Fig.3 Visualization of mAP50 and mAP50：95 before and after YOLOv8n improvement in apple leaf disease detection
图4 YOLOv8n改进前后在验证集上对苹果叶病害的检测效果
Fig.4 Detection performance of YOLOv8n on apple leaf diseases before and after improvements on the validation set
图5 苹果叶病害检测中YOLOv8n-SMR模型的混淆矩阵
Fig.5 Confusion matrix of the YOLOv8n-SMR model in apple leaf disease detection
图6 YOLOv8n改进前后在测试集上对苹果叶不同病害的检测效果
Fig. 6 Performance of YOLOv8n before and after improvements on the test set for different diseases
图7 YOLOv8n和YOLOv8n-SMR对不同病害识别效果
Fig. 7 The recognition performance of YOLOv8n and YOLOv8n-SMR for different diseases
作者简介
潘勇浩 副教授
潘勇浩，副教授，硕士生导师，主要研究方向为计算机应用和农业信息化。主研四川省教育厅科研项目一项，主持校级教改项目两项；主编教学配套教材三部，参编教材两部，主持设计与开发了多个软件系统与实用程序，软件著作权7项，其他纵横向课题多项。
来源：《智慧农业（中英文）》2024年第5期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
