基于改進(jìn)YOLOv8算法的實(shí)時(shí)細(xì)粒度植物病害檢測(cè)

打開文本圖片集

摘要：為解決現(xiàn)有識(shí)別方法在植物病害檢測(cè)中遇到的密集分布、不規(guī)則形態(tài)、多尺度目標(biāo)類別、紋理相似性等障礙，提出一種高性能的實(shí)時(shí)細(xì)粒度植物病害檢測(cè)框架。首先，在YOLOv8主干網(wǎng)絡(luò)和頸部設(shè)計(jì)兩個(gè)新的殘差塊，增強(qiáng)特征提取和降低計(jì)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(zhǔn)確性；最后，設(shè)計(jì)PANet網(wǎng)絡(luò)，用于保留細(xì)粒度的局部信息和改善特征融合。（剩余9548字）