阅读文章全文：http://www.tcsae.org/article/doi/10.11975/j.issn.1002-6819.202409183
《农业工程学报》2025年第41卷第8期刊载了东北农业大学等单位郭丽峰、黄俊杰、吴禹竺、王思吉、王轶哲、包羽健、苏中滨与刘宏新的论文——“基于YOLOv8n改进的水稻病害轻量化检测”。该研究由黑龙江省高校协同创新成果项目（项目号：LJGXCG2022-031，LJGXCG2023-053）资助。
引文信息：郭丽峰，黄俊杰，吴禹竺，等. 基于YOLOv8n改进的水稻病害轻量化检测[J]. 农业工程学报，2025，41(8)：156-164.
DOI: 10.11975/j.issn.1002-6819.202409183
为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测，该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块（inverted residual mobile block，iRMB）增强小目标特征捕捉能力，采用变形卷积模块DCNv2（deformable convolutional networks）优化目标几何变化适应性，结合采样算子DySample（dynamic sample）算法提升复杂环境适应能力，并改进快速空间金字塔池化模块（spatial pyramid pooling fast，SPPF）为大核分离卷积注意力模块（large separable kernel attention，LSKA）增强多尺度特征融合。
试验结果表明，改进的YOLOv8-DiDL模型准确率、召回率和平均精度均值分别为91.4%、83.5%、90.8%；与原始基础网络YOLOv8n相比分别提升7.0、0.5、2.5个百分点，模型权重降低9.7%，每秒浮点运算次数提升7.4%。该研究通过改进模型显著提高了水稻病害检测的精度和部署效率，为智能化农业的实时病害监测提供了技术基础。