DOI：10.3969/j.issn.1672-3872.2025.S1.003
基金项目：2024年河南省国际科技合作项目（242102520036）；2023年河南省重点研发与推广专项（科技攻关）项目（232102210094）；河南工学院高层次人才科研启动基金（KQ2417）
作 者：郝巧红 ，冯庆贺 ，江铭凯 ，芮永生（河南工学院智能工程学院，河南 新乡 453003）
摘 要：【目的】提高玉米叶片病害检测精度，保障玉米健康生长。【方法】针对玉米生长过程中遇到的病害，提出一种改进的YOLOv8网络模型进行玉米叶片病害检测。首先，在数据准备过程中，通过增加噪声、旋转和平移对原始数据集进行数据增强；其次，在原始YOLOv8网络模型中加入CBAM和SE注意力模块，构建出改进的YOLOv8网络模型CBAM-SE-YOLOv8；最后，将改进模型的检测结果与原始模型检测结果进行对比分析。【结果】CBAM-SE-YOLOv8网络模型对玉米叶片灰斑病的检测精度可达98.3%，相较于原始YOLOv8模型，该模型能更加精准地识别玉米病害。【结论】CBAM-SE-YOLOv8网络模型在智慧农业生产领域具有较大应用价值，能够有效提升玉米病害预警的准确性，从而降低玉米病害的发生风险与危害程度，保障玉米的产量与质量。
关键词：玉米叶片病害；注意力机制；CBAM-SE-YOLOv8
引文信息：[1]郝巧红，冯庆贺，江铭凯，等.基于改进YOLOv8模型的玉米叶片病害检测[J].南方农机，2025，56(S1)：12-15.
查看全文请下载PDF文件↓
