稗草

稗草是稻田典型恶性杂草，其与水稻争夺养分、传播病虫害，导致全球水稻年产量减少10%-30%。

WIoU的自适应加权机制有效地优化了边界框回归，SEAM注意力增强了复杂背景下模型对稗草特征的聚焦能力，SRCConv借助坐标卷积与残差连接在轻量化的前提下维持了高检测精度，各模块的独立贡献已通过消融实验得到验证；

协同的稗草检测体系：核心嵌入SRCConv模块，通过坐标信息融合、可分离卷积与残差连接优化特征提取，实现参数精简与定位精准的平衡；

尽管在无人机实地测试中因振动与气流干扰导致精度略有下降，但整体表现仍满足复杂稻田场景的稗草检测要求，初步验证了其可行性。

改进的YOLOv8n-SSDW模型通过引入WIoU损失函数、SEAM注意力机制与SRCConv轻量卷积模块，在显著降低参数量和计算量的同时，提高了稻田稗草检测的精度与mAP；

研究总结认为，所提出的YOLOv8n-SSDW模型为稻田稗草检测提供了一种新型轻量高效解决方案，其mAP_50达0.851，模型大小仅5.6MB，综合性能优于基线模型及同类YOLO系列模型。

结论三：将模型部署于无人机进行实地测试，单图平均检测时间仅0.05秒，对643株稗草的检测准确率达85.9%，虽因飞行振动、气流干扰较实验室精度（86.7%）略有下降，但总体基本满足实用需求。

一种用于田间稗草检测的轻量化高精度模型|MDPIAgriculture

稗草是稻田典型恶性杂草，其与水稻争夺养分、传播病虫害，导致全球水稻年产量减少10%-30%。