改进YOLOv8水稻病害识别模型的研究OA

准确识别水稻病害对保障水稻生产具有重要意义。为提高水稻病害识别的准确性,本文提出一种基于改进YOLOv8的水稻病害识别算法。首先在主干网络的C2f模块中引入了PKIBlock以增强特征提取能力;其次在颈部网络中融入全局-局部空间注意力(GLSA)注意力机制强化多尺度特征交互;最后采用高效的轻量级EfficientHead检测头,以进一步提升检测精度与效率。试验结果表明,与基准YOLOv8模型相比,改进模型的平均精度(mAP)达到93.4%,提升了1.6%。该方法可有效提高了水稻病害识别的精度与鲁棒性,为智能农业病害监测提供了一种可行的解决方案。