ARTICLE

Volume 3,Issue 9

Cite this article
3
Download
8
Citations
33
Views
28 April 2026

基于YOLOv8的玉米害虫检测系统设计与研究

广燚 宦1
Show Less
1 贵州工程应用技术学院 理学院, 中国
TACS 2026 , 3(8), 136–138; https://doi.org/10.61369/TACS.2026080011
© 2026 by the Author(s). Licensee Art and Technology, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )
Abstract

以YOLOv8算法作为核心检测框架,整理构建了包含8856张图像的玉米害虫专属数据集,同时通过系统化的数据增强与图像预处理方法,有效提升了检测模型的泛化性能。在此基础上,本文开展YOLOv5、YOLOv6、YOLOv7与YOLOv8算法的横向对比试验,全面分析并量化评估了各类算法在玉米害虫检测任务中的实际应用性能。试验数据表明,在所有对比算法中,YOLOv8算法对玉米害虫的检测效果最优,该模型的平均精度均值(mAP)可达0.450,其中各类害虫的平均检测精度(AP)为0.947,检测性能明显优于其余对比算法。以期为玉米害虫智能化检测工作提供可靠的技术支撑,同时也能够为农业害虫检测领域的算法筛选与应用提供切实的参考依据。

Keywords
玉米害虫检测
YOLOv8
目标检测
深度学习
智慧农业
References

[1] 许晓琳, 牛思琪, 梁敖, 等. 基于改进YOLOv8的玉米籽粒品种鉴别算法研究[J]. 中国农机化学报,2025,46(9):137-144.
[2] 胡健威, 马慧敏, 宁孝梅, 等. 基于改进YOLOv8的无人机图像玉米幼苗检测[J]. 江苏农业学报,2025,41(6):1179-1187.
[3] 万利, 张求东, 许艳云, 等.2024 年湖北省玉米病虫害防控植保贡献率评价报告[J]. 湖北植保,2025,(3):13-16.
[4] [1] 伍强强, 房欢欢, 许彦蓉, 等. 玉米" 一喷多促" 防控时期与药剂组合试验[J]. 陕西农业科学,2025,71(11):68-72.
[5] 庄淑雁. 病虫草绿色防控技术在大豆玉米带状复合种植中的应用[J]. 黑龙江粮食,2024,(7):131-133.
[6] 杨庆芳, 张伟, 李华. 基于YOLOv8 的车辆类型识别研究[J]. 河北建筑工程学院学报, 2024, (01).
[7] 王朝辉. 大豆- 玉米带状复合种植病虫草绿色防控技术[J]. 河北农业,2024,(1):69-70.
[8] 杨申梅. 高产玉米种植及病虫防治关键技术[J]. 农业开发与装备,2023,(7):187-188.
[9] 龚宇翔, 高林, 张豪, 等. YOLOv8 算法多种改进模型的有效性对比研究[J]. 湖北民族大学学报(自然科学版), 2024, 42(4): 470-479.
[10] 郝巧红, 冯庆贺, 江铭凯, 等. 基于改进YOLOv8 模型的玉米叶片病害检测[J]. 南方农机,2025,56(S1):12-15.

Share
Back to top