基于YOLOv8改进算法的柑橘叶部病害检测研究与应用.pdfVIP

摘要

摘要

柑橘作为一种重要的经济作物，其患病问题严重影响着果实的产量和品质。然而，

柑橘患病叶片形态具有极高的复杂性，不仅在颜色、纹理上呈现多样化的病变特征，

而且形状也因病害种类的不同而千差万别，同时患病种类繁多，涵盖了诸如褐斑病、

炭疽病、溃疡病等多种常见且危害性较大的病害类型。传统人工观察方式在面对如此

复杂的情况时，暴露出了诸多局限性。一方面，检测人员需要耗费大量的时间和精力

对每一片叶片进行仔细甄别，检测速度极为缓慢，难以满足大规模果园的快速检测需

求。另一方面，人工观察的准确性很大程度上依赖于检测人员的经验和专业知识，主

观性较强，容易出现误判和漏判的情况，这对于柑橘病害的及时防控极为不利。

为有效解决这些问题，本文深入探索并提出了一种基于YOLOv8改进模型的柑

橘叶片病害检测方法，旨在实现快速、准确且自动化的病害识别。在改进模型过程中，

首先在网络的SPPF层之后接入了MHSA多头自注意力模块。多头机制的引入使得模

型能够从不同的维度和侧重点关注输入特征。其次，针对柑橘叶片形状多变的特点，

将网络中部分C2f模块中的常规卷积核替换为DCNv2可变形卷积核。可变形卷积能

够依据输入特征的实际几何形状，为标准卷积核灵活地添加偏移量，使得卷积核能够

动态地适应叶片的轮廓和病斑的不规则形状，从而提高了模型对不同形状病害叶部的

适应性，避免了因叶片病害处形状不规则而导致的特征提取不充分或不准确的问题。

之后通过多个渠道搜集柑橘叶部病害数据集并使用数据增强技术扩充数据集。经

过一系列的实验对改进后的YOLOv8模型进行了全面的性能评估。实验结果表明改

进后的模型相较于原始的基准模型在多个关键指标上均取得了显著的提升。不同模型

对炭疽病、树脂病和褐斑病三个病害类的mAP值方面，YOLOv4平均精度均值达到

86.57%，YOLOv5平均精度均值达到86.94%，YOLOv8平均精度均值达到88.49%，

YOLOv8+MHSA平均精度均值达到90.71%，而YOLOv8+MHSA+DCNv2平均精度

均值达到92.27%，改进后的模型展现出了更强大的检测能力和精度。此外改进模型

在召回率、查准率、F1分数、AP值都取得了全面的领先。同时随着训练次数的迭代，

模型的训练损失值和验证损失值均有所下降，这表明模型在训练过程中的收敛速度加

快，稳定性增强，能够更加有效地学习到柑橘叶片病害的特征。

最后根据系统需求分析设计了柑橘叶部病害识别系统。用户通过网页上传病害图

片，经过系统处理并预测，成功实现了柑橘叶部病害识别的可视化。本文提出的改进

YOLOv8模型为柑橘叶片病害检测提供了一种高效、可靠的解决方案，有望在柑橘种

I

重庆三峡学院硕士学位论文

植产业的病害防控环节发挥重要作用，推动柑橘产业朝着更加智能化、精准化的方向

发展，为果农带来显著的经济效益和社会效益。

关键词：柑橘病害；YOLOv8；目标检测；注意力机制

II

Abstract

Abstract

Citrus,asanimportanteconomiccrop,suffersfromasignificantimpact

onfruityieldandqualityduetodiseaseproblems.However,themorphology

ofdiseasedcitrusleavesishighlycomplex,presentingdiverselesion

characteristicsintermsofcolorandtexture,andvaryingshapesdepending

onthetypeofdisease.Moreover,therearenumeroustypesofdiseases,

includingcommonandhighlyharmfulonessuchasbro