期刊推荐论文荐读：GBSA-YOLOv8：面向复杂田间场景稻田害虫的多尺度实时检测模型

导读：

精准农业发展背景下，基于计算机视觉的水稻害虫智能识别技术是病虫害高效防治的关键方向。受稻田光照不均、叶片遮挡、害虫体积微小等因素影响，现有模型存在小目标漏检率高、背景干扰严重、部署效率低等问题。针对YOLOv8模型局限，本文提出3阶段改进：将C2f模块升级为融合Ghost与动态卷积的C2f-Ghost-DynamicConv模块，降参提效；用BiFPN替换PANet，强化多尺度特征双向融合；嵌入SE通道注意力机制，抑制噪声并突出害虫关键特征。实验表明，改进模型精确度、召回率、平均精度分别提升3.6%、1.7%、1.9%，mAP达97.9%，有效缓解漏检误检，满足无人机田间巡检实时性需求，为水稻病虫害智能监测提供有力支撑。

作者信息：

付欣蕊, 韩天佑, 袁丽君, 石峻烨, 樊永军, 王晨灿, 王 芳：燕山大学理学院，河北 秦皇岛

基金项目：

本文得到国家自然科学基金项目(62467004)及“国网甘肃电科院 2024 年甘肃省调现货技术支持系统电力现货市场全景运营管理平台指标管理研究”项目(HX2025C51100001)资助。

原文链接：

https://doi.org/10.12677/airr.2026.152059

期刊详情：

《人工智能与机器人研究》系“RCCSE中文OA核心学术期刊”，是开放获取期刊，主要刊登国内外人工智能领域的研究成果与进展。

原稿论文或者评论文章是有关但不限于以下领域：

检索：

该刊目前可在知网学术、维普检索到。