基于改进YOLOv8的轻量化枸杞虫害图像检测研究OA
针对枸杞虫害人工判别效率低、主观性强的问题,以及原始YOLOv8模型参数量偏大、小目标检测精度不足等缺陷,文中构建了一种兼顾轻量化与检测精度的改进检测模型,以提升枸杞虫害识别的效率与准确性.以YOLOv8s基础模型为框架进行改进:将主干网络中的CBS卷积模块替换为MobileNetV3结构,通过深度可分离卷积降低模型计算量;在PAN-FPN特征融合与上采样模块中引入卷积块注意力机制(CBAM),强化小目标特征提取能力,抑制背景干扰;保留原有网络拓扑结构与解耦检测头,保证模型运行稳定性与兼容性.实验结果表明,改进模型参数量降至9.1×106,较原始模型参数量(11.1×106)减少18.0%;推理速度由625 f/s提升至714 f/s,相对提速14.2%;精度mAP@0.5达到93.9%,较原始模型(91.3%)提升2.6个百分点,参数量、推理速度与核心检测精度均得到同步优化.
王文慧;刘平;王梅;周元庆
宁夏大学 电子与电气工程学院,宁夏 银川 750021宁夏大学 电子与电气工程学院,宁夏 银川 750021宁夏大学 电子与电气工程学院,宁夏 银川 750021宁夏大学 电子与电气工程学院,宁夏 银川 750021
信息技术与安全科学
枸杞虫害目标检测YOLOv8轻量化模型MobileNetV3CBAM
《物联网技术》 2026 (19)
9-14,6
评论