基于改进型YOLO v8s智能架构模型的农作物病虫害图像识别技术

刘 向辰
兰州石化职业技术大学

摘要


在农作物生长过程中，病虫害是影响我国农业生产和发展的重要危害之一。及时、准确、有效得检测出农作物病虫害是开展灾害早起预警的前提和保障。随着科学技术的发展和进步，以图像识别为代表的人工智能技术越来越多地应用到农业领域中来，为提高农作物生长状态的实时监测和农业生产全过程的科学管理提供了强大的技术支持。当前在农业生产领域已经应用的图像识别技术普遍存在检测精度低、检测时间长、对计算机硬件设备要求高等问题，这在很大程度上制约了农作物病虫害防治工作的开展。针对以上问题，本文采用一种基于改进型YOLO v8s网络架构为智能化载体的农作物病虫害图像识别技术，通过仿真验证了该方案在图像检测的效率和精度层面具有较大的提升。

关键词


人工智能；图像识别；农作物病虫害；YOLO v8s

全文:

PDF


参考


[1]李科熙，梁志，李文发，等.基于PSO-BP神经网络的某边坡开挖变形预测[J/OL].土工基础，2025，（06）：960-964.

[2]郑越，赵敏.基于深度神经网络的最优地月双脉冲转移轨道[J].航天控制，2025，43（06）：46-53.

[3]刘月文，刘文淼，李永亭，等.生成式零样本深度学习模型的轴承故障诊断方法[J].中国农机化学报，2026，47（01）：201-209.

[4]刘翔，金乾坤.基于PAC-Bayes的多目标强化学习A2C算法研究[J].系统仿真学报，2025，37（12）：3212-3223.

[5]张一丁，乔琛，张领先，等.基于改进YOLO v8s-OBB的黄瓜霜霉病菌分生孢子梗与孢子囊定量检测（英文）[J].农业机械学报，2025，56（12）：479-489.

[6]刘双喜，张玮平，胡宪亮，等.基于改进YOLO v8s的水稻种植机械作业质量检测[J].农业机械学报，2024，55（S1）：61-70.

[7]赵骞，郑抗震，邱佳，等.基于GAM-DLM的区域用电需求精细化分解及要素匹配技术研究[J].煤炭经济研究，2025，45（11）：89-95.


Refbacks

  • 当前没有refback。