为了提升葡萄叶片病害检测的精度和效率,本研究从葡萄病害表型相似度高、小病斑检测困难出发,提出了优化的YOLO v8n-Grape模型,旨在为智能农业中的病害检测提供更加精准和高效的技术支持。首先,在颈部网络中添加SimAM注意力机制,自适应地增强关键信息的提取,减少特征冗余;其次,在主干网络中添加SimAM注意力机制,并通过引入通道注意力机制、增加可学习参数、结合门控机制和残差连接,同时将激活函数替换为SiLU,进一步优化模型,提升病害区域的特征表达能力;最后,将CIoU损失函数替换为NWDLoss损失函数,使检测框与标注框的匹配更加精确,优化目标定位和分类之间的平衡性。试验结果表明,YOLO v8n-Grape对葡萄叶片病斑的检测精度达到90.4%,对比SSD、YOLO v5s、YOLO v8n、YOLO v9、YOLO v10n、YOLO v11模型,mAP@0.5分别高出18.9%、8.1%、2%、2.1%、2.6%、1.2%。YOLO v8n-Grape模型为精准检测葡萄叶片病害小目标提供了高效且可靠的技术手段,具备广泛的应用前景,为智能农业中的病害检测技术提供了有力支持。
