基于改进YOLOv8m的小麦仓储粮虫检测方法

打开文本图片集

摘要：

害虫是造成仓储小麦损失的重要因素之一，及时检测害虫并采取有效手段能够减少仓储小麦损失。传统人工检测害虫方法存在人工因素影响较大、速度慢的问题，基于深度学习的仓储粮虫检测方法虽然耗时短，但存在模型较大、速度和准确率二者难以平衡的问题。故首先选取YOLOv8m算法作为基础进行改进，接着以更轻量化的网络Shufflenetv2代替Darknet—53；其次，在主干网络末端添加Squeeze—and—Excitation Networks注意力机制获取高质量的特征图，有效提高检测精度；最后，采用WIoUv3 Loss为YOLOv8m的回归损失函数，提高检测的精度和速度。（剩余14798字）