来源：期刊VIP网 时间：
作者：刘政峰;杨健晟;张梅;陈哲;张群英;
单位：贵州大学电气工程学院;贵州省植物园;
摘要：水稻叶病害检测是降低病害风险、稳定水稻产量的重要途径之一。针对现有水稻叶病害检测模型存在参数量大、计算复杂度高及精确率低等问题，本研究提出了改进YOLOv8n模型。首先，将原YOLOv8n的主干网络替换为轻量级的HGNetv2架构，并将HG-Block中的Conv模块替换为Ghost模块，在轻量化模型的同时提高了检测精度。其次将C3模块中的残差块替换为Ghost Bottleneck,构建全新的C3Ghost模块，并用此模块替换颈部的所有C2f模块，在保持模型性能的同时进一步轻量化模型。最后，采用一种密集预测的通道式知识蒸馏技术，以无损的方式对模型进行增强。实验结果表明，与基线模型YOLOv8n相比，本研究所提改进模型的参数量、权重和浮点运算次数分别降低39.33%、37.00%和28.40%,而精确率、召回率分别达到94.3%、95.6%,mAP达到96.7%,全面优于基线模型。总体而言，本研究所提改进模型能满足农业场景下水稻叶病害检测任务在精度和轻量化方面的要求，展现出良好的发展潜力和应用前景。
关键词：水稻叶病害检测;;YOLOv8n;;模型轻量化;;HGNetv2;;知识蒸馏
基金资助：国家自然科学基金青年基金项目(62003106);; 贵州省科技支撑计划项目(黔科合支撑[2022]一般133,黔科合支撑[2022]一般017)
