计算机工程与科学

作者：文韬, 王天一, 黄诗锐, 周江龙

单位：（贵州大学大数据与信息工程学院，贵州 贵阳 550025）

关键词：深度学习,杂草识别,异构卷积,特征金字塔结构,损失函数,

基金：黔科合支撑［2021］一般176号

随着现代农业技术的快速发展，对农作物的精准管理和杂草的有效控制变得尤为重要。针对藜草这一影响农作物生长的常见杂草，提出了一种基于 YOLOv8改进的轻量级农作物与藜草检测模型MES-YOLO。首先，改进主干网络，将MS-Block模块融入C2f模块；通过异构卷积将之应用于YOLOv8模型的主干网络中，从而提高整体的目标检测精度和效率；其次，将高效局部注意力机制引入高级筛选特征金字塔结构中，来增强对目标特征的表达能力；最后，应用Inner-SIoU损失函数加快收敛速度。实验结果表明，相较于YOLOv8n，MES-YOLO模型在mAP@0.5指标上提升了2.1个百分点，计算量从8.2×109下降为6.5×109,参数量仅为YOLOv8n模型的62%。改进后的模型更适用于低算力环境，并且能兼顾高精度的部署需求。

来源：2026年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2026年第3期