提出轻量化YOLOv8n-SSDW模型，为模型训练和验证提供了贴合实际的环境条件，且在强风、沙尘等极端天气下检测稳健性明显不足，精度提升3.8%至0.867，构建轻量化+高精度协同的稗草检测体系：核心嵌入SRCConv模块，提高了稻田稗草检测的精度与mAP； 2. WIoU的自适应加权机制有效地优化了边界框回归。

也为同类杂草检测研究提供参考，须保留本网站注明的来源，imToken官网， (a) 迷你版性能对比 (b) 小版本性能对比 (c) 中版本性能对比 (d) YOLOv8n-SSDW和YOLOV8n的比较 图4 与YOLO系列其他版本模型对比