来源：期刊VIP网 时间：
作者：熊彬;魏登峰;张建民;
单位：长江大学计算机科学学院/湖北省农林病虫害预警与调控工程技术研究中心;
摘要：针对实际农业场景中棉花病虫害检测的背景复杂且多样化、检测模型参数量和计算量大、难以部署在移动设备或嵌入式设备中等问题，在YOLOv8n的基础上进行改进，提出了一种轻量化的棉花病虫害检测算法。首先，采用DyHead结构替换YOLOv8n的检测头结构，以提高网络对目标的检测能力；其次，引入PIoUv2作为边界框损失函数，在加快边界损失框收敛的同时增强对中等质量锚框的聚焦能力；最后，使用基于层自适应幅度的剪枝(LAMP)方法对检测网络进行缩减，减少检测模型的参数量和计算量，压缩模型的权重文件大小。结果表明，改进后的算法在参数量和计算量方面相较于原始YOLOv8n分别减少57.14%和61.73%;权重文件大小降低至2.6 MB,相比于原始YOLOv8n降低55.93%;平均精度均值(mAP@0.5)达到89.5%,相较于原始YOLOv8n提升1个百分点。综合来看，本研究提出的算法在棉花病虫害检测方面取得了显著的性能提升，并且通过轻量化网络模型使其更适合在嵌入式设备中或移动终端上部署，为真实农业场景下的棉花病虫害检测提供了一个可行的解决方案。
关键词：棉花病虫害检测;;YOLOv8n;;DyHead检测头;;PIoUv2损失函数;;LAMP剪枝
基金资助：国家自然科学基金面上项目(32372561)
