基于轻量化YOLO v8-Rice的水稻虫害检测方法

打开文本图片集

doi：10.15889/j.issn.1002-1302.2024.20.033

摘要：针对真实场景下水稻虫害识别的背景复杂、模型计算量和参数量大以及难以在嵌入式设备或移动设备上部署等问题，在YOLO v8的基础上提出一种改进的轻量化的YOLO v8-Rice水稻虫害检测算法。首先，采用Context Guided Block结构替换传统YOLO v8中C2f模块的Bottleneck结构，增强模型的上下文信息理解能力，压缩模型的权重；然后，使用深度可分离卷积代替传统YOLO v8中的标准卷积，以降低参数量、计算量；最后，将检测头重构为轻量级共享卷积检测头，以进一步降低参数量、计算量，并提高模型对多尺度虫害特征的定位和提取能力，使其能够更好地适应不同尺寸、复杂度的虫害状况。（剩余10983字）