基于无人机遥感和改进YOLOv8的小麦赤霉病检测方法及系统

本发明公开了基于无人机遥感及改进YOLOv8的小麦赤霉病轻量化检测方法及系统，涉及人工智能计算机视觉检测技术领域；本发明包括以下步骤：利用无人机的航线规划定高定时采集自然大田环境下的小麦灌浆期原始RGB图像；对原始图片数据集进行筛选、数据增强及标注，建立小麦赤霉病图像数据集；构建改进的YOLOv8轻量化网络模型；将原始图像数据集输入至改进YOLOv8网络模型进行训练；测试改进的YOLOv8网络模型，更新改进YOLOv8网络模型的学习参数；最后利用已更新的改进YOLOv8网络模型对待检测的小麦赤霉病数据进行检测，对模型的复杂度和准确度进行评估。本发明适用于在自然大田环境下小麦赤霉病的检测，在保证高识别精度的同时，改进后的模型的参数量及计算量相比原YOLOv8s基线模型分别降低了48.9％和50.7％，实现高精度且较YOLOv8更加轻量化的算法模型，可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。