文献类型：期刊文章

作　　者：庞超[1] 王传安[2] 苏煜[1] 张中杰[1]

PANG Chao;WANG Chuan'an;SU Yu;ZHANG Zhongjie(College of Mechanical Engineering,Anhui Science and Technology University,Fengyang 233100,China;College of Information and Network Engineering,Anhui Science and Technology University,Fengyang 233100,China)

机构地区：[1]安徽科技学院机械工程学院,凤阳233100 [2]安徽科技学院信息与网络工程学院,凤阳233100

出　　处：《内蒙古农业大学学报（自然科学版）》

基　　金：专业服务安徽省十大新兴产业项目(Xj2022009)。

年　　份：2024

卷　　号：45

期　　号：2

起止页码：62-68

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、核心刊

摘　　要：针对水稻生产中普遍存在的疾病多、检测效率低等问题,本文提出了一种改进YOLOv8n模型的水稻病害识别方法。首先,融合了BiFPN金字塔结构,用于有效特征层的整合。其次,在原有主干网络SPPF模块后引入了GAM注意力机制,以合理分配资源。最后,采用WIoU损失函数以提高检测精度。实验结果表明,BGW-YOLOv8n在水稻病害识别任务中的MAP达到了91.6%,较YOLOv8n提升了3.6%。该方法优于YOLOv5、MobileNetV3Small等其他常见算法,改善了水稻病害漏检现象。

关 键 词：水稻病害 YOLO  目标检测 全局注意力机制  

分 类 号：TP391.41]