在第二屆拯救者杯OPENAIGC開發者大賽中，涌現出一批技術突出、創意卓越的作品。為了讓這些優秀項目被更多人看到，我們特意開設了優秀作品報道專欄，旨在展示其獨特之處和開發者的精彩故事。

無論您是技術專家還是愛好者，希望能帶給您不一樣的知識和啟發。讓我們一起探索AIGC的無限可能，見證科技與創意的完美融合！

創未來AI應用賽-高校組AI創作力獎

作品名稱：智慧農業——基于優化的YOLOv8農作物病蟲害檢查系統

參賽團隊：海南科技職業大學清風

作品簡介

隨著全球人口的增長，人們對食品的需求量增加，農作物病蟲害防治工作的重要性日益凸顯。病蟲害在威脅農作物產量與品質的同時，也給環境與人類健康帶來了潛在危害。在農作物生長過程中，傳統檢測方法具有一定的局限性，對智慧農業的需求越來越強烈。

應用背景

在農業生產中，病蟲害不僅威脅到農作物的產量和品質，還可能對環境和人類健康造成潛在危害。傳統的人工巡查方式效率低下且容易出現誤判，無法滿足現代農業對實時監測和快速反應的需求。因此，開發一個自動化的病蟲害檢測系統顯得尤為重要。

技術架構和實現

1. 模型介紹

YOLOv8（You Only Look Once version 8）是最新一代的目標檢測模型，具有高精度和高速度的特點。該模型采用單階段檢測方式，能夠在一幀圖像中同時檢測多個目標。

2. 優化技術

• 注意力機制：引入 BiLevelRouting Attention 機制，提升模型對病蟲害的識別能力。
• 數據增強：使用 Albumentations 技術增加數據多樣性，提高模型的泛化性能。
• 遷移學習：通過遷移學習優化 YOLOv8 模型，使其更適合農作物病蟲害檢測。

3. 系統架構

優化后的 YOLOv8 模型被部署于邊緣設備或本地服務器，實現實時目標檢測，快速識別農作物病蟲害。

應用實現成效

該系統能夠實時監測農田情況，并及時發出預警，幫助農民采取必要的防治措施。通過智能檢測，系統顯著減少了人工巡查的工作量，節省了人力成本，并提高了病蟲害的檢測效率與精準度。

未來發展

1、用戶界面設計：開發直觀易用的用戶界面，便于農民和技術人員理解和利用檢測結果。

2、集成與部署優化：優化模型的部署策略，確保系統能夠及時適應新的農作物品種和病蟲害類型。

3、數據多樣化：收集更多多樣化的農作物圖像數據，使用數據增強技術提升模型的泛化能力。

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 智慧農業——基于優化的YOLOv8農作物病蟲害檢查系統丨OPENAIGC開發者大賽高校組AI創作力獎