基于改进YOLOv8n模型的轻量化马铃薯叶片病害检测方法

打开文本图片集

摘 要：为了提高马铃薯叶片病害检测效率以及降低模型在资源受限设备上的部署要求，提出一种基于改进YOLOv8n的马铃薯叶片病害检测模型YOLOv8-VSG。具体改进如下：首先，引入轻量级神经网络架构VanillaNet模块替换原模型的骨干特征提取网络，有效缩减了模型体积;其次，在Backbone嵌入轻量化注意力机制SimAM（SimpleAttentionModule），增强模型对不同病害区域的关注度，提升网络检测性能;最后，使用GIoU（GeneralizedIntersectionoverUnion）为边界框回归损失函数，加快模型收敛速度，提升模型泛化能力。（剩余200字）