中国农业科学｜安徽农业大学高祥课题组基于改进YOLOv8s 设计小麦苗期叶尖检测方法

本研究针对小麦苗期叶尖检测需求，提出基于改进YOLOv8s的检测方法。背景方面，小麦作为全球主要粮食作物，其苗期出苗率检测对产量具有决定性影响。研究目的旨在开发能适应复杂田间环境的小目标检测技术。通过引入多尺度特征融合金字塔结构(HS-FPN)和局部注意力机制(ELA)，优化损失函数并采用迁移学习策略，构建YOLO-Wheat模型。实验结果表明，该模型在准确率(92.7%)、召回率(85.1%)和mAP(82.9%)指标上均显著优于对比模型，能有效解决多尺度问题，为田间小麦苗智能计数提供技术支撑。