芦笋茎轻症（Asparagusstemblight），又名“芦笋癌，”是一种严重的植物病害，在我国有广泛的分布。该病的广泛发生对芦笋的产量和品质产生了负面影响，已成为威胁芦笋生产的主要问题之一。为了提高芦笋茎枯病表型病斑的准确识别和定位能力，提高检测的准确性，提出了一种基于YOLOv 8的芦笋茎枯病YOLOv 8-CBAM检测算法。该算法旨在实现芦笋茎枯病表型图像的快速检测，为芦笋茎枯病的防治提供有效的辅助。为了增强模型捕获细微病变特征的能力，在头部C2f之后添加了卷积阻滞注意力模块（CBAM）。代替了传统的C2f模型，CBAM模型可以更好地捕获病灶的细微特征。同时，YOLOv 8中原始的CIoU丢失函数被Focal-EIoU丢失函数所取代，确保更新后的丢失函数强调更高质量的边界框。YOLOv 8-CBAM算法能有效地检测芦笋茎枯病表型图像，平均检测精度（mAP）为95.51%，比YOLOv 5、YOLOv 7、YOLOv 8和Mask R-CNN模型分别提高了0.22%、14.99%、1.77%和5.71%。这将大大提高芦笋种植者对芦笋茎枯病的识别效率，有助于提高芦笋茎枯病的防治水平，对计算机视觉在农业中的应用具有重要意义。

图1  芦笋茎枯病图像的增强处理。

图2  YOLOv8网络架构

图3  YOLOv 8-CBAM网络架构。

图4  CBAM注意机制框架图。

表1 消融实验结果。

图5  改良前后模型的mAP0.5曲线。

图6  模型检测效果图（a）人工标记;（B）YOLOv8 n;（c）本方法。

表2 实验比较。