基于EDW-YOLOv8的棉花叶片病害检测

李亚; 蒋晨; 王海瑞; 朱贵富; 胡灿

doi:10.13300/j.cnki.hnlkxb.2025.05.019

您当前的位置：

首页 >

文章列表页 >

基于EDW-YOLOv8的棉花叶片病害检测

植物保护 | 更新时间：2026-11-05

- 基于EDW-YOLOv8的棉花叶片病害检测
- Cotton leaf disease detection based on EDW-YOLOv8
- 华中农业大学学报 2025年44卷第5期页码：189-197
- 作者机构：
  
  1.昆明理工大学信息工程与自动化学院，昆明 650504
  2.昆明理工大学信息化建设管理中心/昆明理工大学⁃曙光信息产业股份有限公司AI联合研究中心，昆明 650504
- 作者简介：
  
  李亚，E-mail：59515091@qq.com
  朱贵富，E-mail：zhuguifu@kust.edu.cn
- 基金信息：
  
  国家自然科学基金项目(61863016)
- DOI：10.13300/j.cnki.hnlkxb.2025.05.019
  中图分类号： TP391.4;S24
- 收稿：2024-05-21，
  
  纸质出版：2025-09-15
- 稿件说明：
移动端阅览
李亚，蒋晨，王海瑞，等.基于EDW-YOLOv8的棉花叶片病害检测［J］.华中农业大学学报，2025，44（5）：189‐197.

LI Ya,JIANG Chen,WANG Hairui,et al.Cotton leaf disease detection based on EDW-YOLOv8[J].Journal of Huazhong Agricultural University,2025,44(05):189-197.
李亚，蒋晨，王海瑞，等.基于EDW-YOLOv8的棉花叶片病害检测［J］.华中农业大学学报，2025，44（5）：189‐197. DOI： 10.13300/j.cnki.hnlkxb.2025.05.019.

LI Ya,JIANG Chen,WANG Hairui,et al.Cotton leaf disease detection based on EDW-YOLOv8[J].Journal of Huazhong Agricultural University,2025,44(05):189-197. DOI： 10.13300/j.cnki.hnlkxb.2025.05.019.

摘要

为解决复杂自然环境背景下棉花叶片病害检测准确率低的问题，提出一种基于改进YOLOv8n的棉花叶片病害检测模型。首先在YOLOv8n的骨干网络处加入EMA注意力机制，同时在骨干网络中的C2f模块中加入可变形卷积Deformable ConvNets v2模块，扩大感受野以加强特征提取能力。在此基础上，将损失函数CIoU替换为具有动态聚焦机制的边界框回归损失WIoU，以加快模型收敛速度，进一步提升模型性能。试验结果显示，改进后的EDW-YOLOv8模型准确率、召回率和平均精度相较于YOLOv8n分别提升了4.3、7.5和4.6百分点。结果表明，研究所提出的模型具有良好的泛化性，可以准确高效地检测出图像中棉花叶片病害目标。

Abstract

Accurate detection of cotton leaf diseases in complex natural environments is essential for effectively minimizing the impact of diseases on cotton yield and quality.To address this，this study proposes a cotton leaf disease detection model based on an improved YOLOv8n.First，the EMA attention mechanism is integrated into the backbone network of YOLOv8n.Simultaneously，the deformable convolutional module，Deformable ConvNets v2，is incorporated into the C2f module within the backbone network to expand the sensory field and strengthen feature extraction capabilities.Additionally，the CIoU loss function is replaced with the WIoU bounding box regression loss，which includes a dynamic focusing mechanism to accelerate model convergence and further improve performance.The experimental results showed that the improved EDW-YOLOv8 model achieves increases of 4.3%，7.5% and 4.6% in accuracy，recall，and average precision，respectively，compared with the original YOLOv8n.These results show that the proposed model，with good generalization ability，can accurately and efficiently detect cotton leaf disease targets in images.

关键词

Keywords

references

张楠楠，张晓，白铁成，等.基于CBAM-YOLOv7的自然环境下棉叶病虫害识别方法［J］.农业机械学报，2023，54（S1）：239-244.ZHANG N N，ZHANG X，BAI T C，et al.Cotton leaf pest and disease recognition method in natural environments based on CBAM-YOLOv7［J］.Transactions of the CSAM，2023，54（S1）：239-244 （in Chinese with English abstract） .

KAMILARIS A，PRENAFETA-BOLDÚ F X.Deep learning in agriculture：a survey［J］.Computers and electronics in agriculture，2018，147：70-90.

贾少鹏，高红菊，杭潇.基于深度学习的农作物病虫害图像识别技术研究进展［J］.农业机械学报，2019，50（S1）：313-317.JIA S P，GAO H J，HANG X.Research progress on crop pest and disease image recognition technology based on deep learning［J］.Transactions of the CSAM，2019，50（S1）：313-317 （in Chinese with English abstract） .

ZHU X X，TUIA D，MOU L C，et al.Deep learning in remote sensing：a comprehensive review and list of resources［J］.IEEE geoscience and remote sensing magazine，2017，5（4）：8-36.

KOIRALA A，WALSH K B，WANG Z L，et al.Deep learning：method overview and review of use for fruit detection and yield estimation［J］.Computers and electronics in agriculture，2019，162：219-234.

NOROUZZADEH M S，NGUYEN A，KOSMALA M，et al.Automatically identifying，counting，and describing wild animals in camera-trap images with deep learning［J］.PNAS，2018，115（25）：E5716-E5725.

郑宇达，陈仁凡，杨长才，等.基于改进YOLOv5s模型的柑橘病虫害识别方法［J］.华中农业大学学报，2024，43（2）：134-143.ZHENG Y D，CHEN R F，YANG C C，et al.Citrus pest and disease identification method based on an improved YOLOv5s model［J］.Journal of Huazhong Agricultural University，2024，43（2）：134-143 （in Chinese with English abstract） .

郑果，姜玉松，沈永林.基于改进YOLOv7的水稻害虫识别方法［J］.华中农业大学学报，2023，42（3）：143-151.ZHENG G，JIANG Y S，SHEN Y L.Rice pest identification method based on an improved YOLOv7 model［J］.Journal of Huazhong Agricultural University，2023，42（3）：143-151 （in Chinese with English abstract） .

王铭慧，张怀清，樊江川，等.基于深度学习网络实现番茄病虫害检测与识别［J］.中国农业大学学报，2023，28（11）：165-181.WANG M H，ZHANG H Q，FAN J C，et al.Detection and identification of tomato diseases and pests based on deep learning networks［J］.Journal of China Agricultural University，2023，28（11）：165-181 （in Chinese with English abstract） .

王卫星，刘泽乾，高鹏，等.基于改进YOLOv4的荔枝病虫害检测模型［J］.农业机械学报，2023，54（5）：227-235.WANG W X，LIU Z Q，GAO P，et al.Detection of Litchi diseases and insect pests based on improved YOLOv4 model［J］.Transactions of the CSAM，2023，54（5）：227-235 （in Chinese with English abstract） .

RANGARAJAN A K，PURUSHOTHAMAN R，RAMESH A.Tomato crop disease classification using pre-trained deep learning algorithm［J］.Procedia computer science，2018，133：1040-1047.

刘诗怡，胡滨，赵春.基于改进YOLOv7的黄瓜叶片病虫害检测与识别［J］.农业工程学报，2023，39（15）：163-171.LIU S Y，HU B，ZHAO C.Detection and identification of cucumber leaf diseases based improved YOLOv7［J］.Transactions of the CSAE，2023，39（15）：163-171 （in Chinese with English abstract） .

OUYANG D L，HE S，ZHANG G Z，et al.Efficient multi-scale attention module with cross-spatial learning［C］//ICASSP 2023 - 2023 IEEE International Conference on Acoustics，Speech and Signal Processing （ICASSP）.Rhodes Island，Greece：IEEE，2023：1-5.

ZHU X Z，HU H，LIN S，et al.Deformable ConvNets V2：more deformable，better results［C］//2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Long Beach，CA，USA：IEEE，2019：9300-9308.

ZHENG Z H，WANG P，LIU W，et al.Distance-IoU loss：faster and better learning for bounding box regression［DB/OL］.2019：1911.08287.http：//arxiv.org/abs/1911.08287v1.

TONG Z J，CHEN Y H，XU Z W，et al.Wise-IoU：bounding box regression loss with dynamic focusing mechanism［DB/OL］.2023：2301.10051.http：//arxiv.org/abs/2301.10051v3.

HU J，SHEN L，SUN G.Squeeze-and-excitation networks［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City，UT，USA：IEEE，2018：7132-7141.

WANG Q L，WU B G，ZHU P F，et al.ECA-net：efficient channel attention for deep convolutional neural networks［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Seattle，WA，USA：IEEE，2020：11531-11539.

WOO S，PARK J，LEE J Y，et al.CBAM：convolutional block attention module［C］//European Conference on Computer Vision.Cham：Springer，2018：3-19.

ZHENG Z，WANG P，LIU W，et al.Distance-IoU loss：faster and better learning for bounding box regression［C］//Proceedings of the 34th AAAI Conference on Artificial Intelligence，the 32nd Innovative Applications of Artificial Intelligence Conference，the 10th AAAI Symposium on Educational Advances in Artificial Intelligence，New York，Feb 7-12，2020.Menlo Park：AAAI，2020：12993-13000.

REZATOFIGHI H，TSOI N，GWAK J，et al.Generalized intersection over union：a metric and a loss for bounding box regression［C］//2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Long Beach，CA，USA：IEEE，2019：658-666.

WANG C Y，BOCHKOVSKIY A，LIAO H Y M.YOLOv7：trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［C］//2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Vancouver，BC，Canada：IEEE，2023：7464-7475.

黄彤镔，黄河清，李震，等.基于YOLOv5改进模型的柑橘果实识别方法［J］.华中农业大学学报，2022，41（4）：170-177.HUANG T B，HUANG H Q，LI Z，et al.Citrus fruit identification method based on an improved YOLOv5 model［J］.Journal of Huazhong Agricultural University，2022，41（4）：170-177 （in Chinese with English abstract） .

ZHAO Y A，LV W Y，XU S L，et al.DETRs beat YOLOs on real-time object detection［DB/OL］.2023：2304.08069.http：//arxiv.org/abs/2304.08069v3.

DUAN K W，BAI S，XIE L X，et al.CenterNet：keypoint triplets for object detection［C］//2019 IEEE/CVF International Conference on Computer Vision （ICCV）.Seoul，Korea （South）：IEEE，2019：6568-6577.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于YOLOv8-DBCS的循环水养殖环境下大口黑鲈异常体表特征检测

基于双通道分层协同的CEH-YOLOv8鱼体病害检测方法

基于剪枝和知识蒸馏的YOLOv8轻量化苹果叶片病害检测方法

基于改进YOLO11的番茄叶片病害检测方法

3个不同倍性油茶CoSAD家族的全基因组鉴定及表达分析