基于深度学习的棉花病虫害识别技术研究与实现

丹 罗(重庆三峡学院计算机科学与工程学院，中国)

摘要

本文将YOLO v8算法引入棉花叶部病虫害识别研究，提出了一个改进版本YOLO v8-AW算法，旨在解决病虫害精准识别的技术难题。该算法优化了下采样模块，采用平均池化方法更精确地提取病虫害特征，增强对细节特征的捕获能力。同时，引入WIoU损失函数，减少低质量样本对训练的负面影响，提高模型的鲁棒性和泛化能力。通过Python实现了改进算法，并在棉花叶部病虫害数据集上进行了实验。实验结果表明，YOLO v8-AW模型相比原始YOLO v8算法，在识别率和准确率方面显著提升。对比实验进一步验证了改进算法的有效性和相关性，为棉花病虫害精准识别监测提供了高效、可靠的技术支持，具有良好的应用前景。

关键词

YOLO v8；图像识别；棉花病虫害

参考

王雅静,李郁婷,刘泉,等.棉花轮纹斑病研究进展及防控策略[J].植物保护,2018,44(04):9-14.

卢隆杰.棉花叶部喷肥防治病虫害[J].江西棉花,2006,(05):37-38.

王景鑫,潘欣.一种基于Labelimg的辅助标注方法[J].科技创新与应用,2023,13(29):145-148.

王文杰.基于YOLOv8的多目标跟踪算法研究及应用[D].西南交通大学,2023.

常英丽,赵国玲,刘强.OpenCV和YOLOv8在车流量统计中的应用研究[J].电子测试,2023,(02):33-37.

张惠莉,代晨龙,任景龙,等.基于YOLO v8-GSGF模型的葡萄病害识别方法研究[J].农业机械学报,2024,55(11):75-83.

李嘉诚,陈中举,许浩然.基于改进YOLO v8n的真实场景下草莓病害检测方法[J].中国农机化学报,2024,45(12):267-274.

戴林华,黎远松,石睿.基于改进YOLO v8n算法的水稻叶片病害检测[J].湖北民族大学学报(自然科学版),2024,42(03):382-388.

林立恒,林珊玲,卢蓓婕,等.基于空间特征融合下采样卷积的遥感图像目标检测算法[J/OL].红外技术,1-8[2024-12-11].表 4.2 对照实验结果ModelPrecision/%Recall/%mAP50/%mAP50 - 95/%GFLOPsParameters/MYOLOv3-tiny73.3468.7073.8338.0419.112.14YOLO v5n81.2471.6077.3445.067.22.51YOLO v6n79.5668.4473.6542.1611.94.24YOLO v10n83.1973.0979.3447.608.42.71RTDETR-l86.6074.7078.1745.07108.032.81YOLO v8-AW86.0377.9982.7850.037.32.60

DOI: http://dx.doi.org/10.12345/bdai.v6i1.23375