基于改进YOLOv8的马铃薯叶片病害检测算法

针对复杂背景环境下马铃薯叶片病害检测精度低的问题,以YOLOv8n为原型,提出了一种非受控环境下的马铃薯叶片病害检测算法:YOLOv8n-Potato。采用CAA-HS-FPN架构替换YOLOv8的颈部网络,用于提高特征融合效率;使用轻量化检测头Sc-Head替换YOLOv8的检测头,使模型轻量化;采用PIoU替换CIoU,降低了锚框回归的代价。与YOLOv8n相比,YOLOv8n-Potato的精确度提高了2.4%,召回率提高了8.4%,mAP50提高了3.6%,mAP50-95提高了1%,GFLOPs减少了23%,模型参数量减少了42%。