DAONet-YOLOv8：一种基于遮挡感知双注意力网络的茶叶害虫病虫检测方法
计算机视觉与模式识别
2025-12-01 v1
摘要
在实际茶园中，由于复杂的背景、光照变化以及稠密枝叶之间的频繁遮挡，茶叶害虫病虫的精准检测仍然具有挑战性。现有检测器在此类场景下常常出现漏检和误报。为此，我们提出了 DAONet-YOLOv8，这是一种改进版的 YOLOv8 变体，包含三个关键改进：(1) 双注意力融合模块 (DAFM)，将卷积的局部特征提取与基于自注意力的全局上下文建模相结合，以聚焦于细微病灶区域并抑制背景噪声；(2) 遮挡感知检测头 (Detect-OAHead)，学习可见部分与遮挡部分之间的关系，以补偿缺失的病灶特征；(3) C2f-DSConv 模块，采用动态合成卷积并包含多种卷积核形状，以更好地捕捉不规则的病灶边界。在包含六类害虫病虫的真实茶园数据集上进行的实验表明，DAONet-YOLOv8 实现了 92.97% 的精确率、92.80% 的召回率、97.10% 的 mAP@50 和 76.90% 的 mAP@50:95，分别比 YOLOv8n 基线提升 2.34、4.68、1.40 和 1.80 个百分点，同时参数减少 16.7%。比较实验进一步表明，DAONet-YOLOv8 在主流检测模型中性能优越。
引用
@article{arxiv.2511.23222,
title = {DAONet-YOLOv8: An Occlusion-Aware Dual-Attention Network for Tea Leaf Pest and Disease Detection},
author = {Yefeng Wu and Shan Wan and Ling Wu and Yecheng Zhao},
journal= {arXiv preprint arXiv:2511.23222},
year = {2025}
}