基于改進YOLOv8算法的實時細粒度植物病害檢測

打開文本圖片集

摘要：為解決現(xiàn)有識別方法在植物病害檢測中遇到的密集分布、不規(guī)則形態(tài)、多尺度目標類別、紋理相似性等障礙，提出一種高性能的實時細粒度植物病害檢測框架。首先，在YOLOv8主干網(wǎng)絡(luò)和頸部設(shè)計兩個新的殘差塊，增強特征提取和降低計算成本；其次，引入DenseNet層，并使用Hard-Swish函數(shù)作為主要激活函數(shù)，以提高模型的準確性；最后，設(shè)計PANet網(wǎng)絡(luò)，用于保留細粒度的局部信息和改善特征融合。（剩余9548字）