文献类型： 中文期刊

作者： 胡冬 ¹ ; 班松涛 ² ; 马超 ² ; 田明璐 ² ; 袁涛 ² ; 李琳一 ² ; 庄洁 ² ;

作者机构： 1.上海市农业科学院农业科技信息研究所

2.null

关键词： YOLOv8n;玉米雄穗;CBAM;PConv;GhostNetV2

期刊名称： 上海农业学报

ISSN： 1000-3924

年卷期： 2025 年 41 卷 001 期

页码： 102-107

收录情况： 北大核心 ; CSCD

摘要： 为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改进后的模型在测试集上的平均精度均值(Mean average precision,m AP)达97.8%,比原模型提高了2.6%;模型计算量(Floating point operations,FLOPs)减少了15.8%,参数量(Parameters,Params)体积缩小了17.6%。这种高精度、小体积模型能够满足玉米雄穗快速识别的需求,可为无人机机载平台的部署提供关键技术支持。