农业机械学报

作者：周成，陈章彬，杜雅刚，房欣，姚立立，周曹航

单位：湖州师范学院,湖州师范学院,黑龙江省农垦科学院,黑龙江省农垦科学院,湖州师范学院,湖州师范学院,

关键词：水稻病害;检测;YOLO v5s模型;边缘计算;轻量化;树莓派4B

基金：国家水稻产业技术体系综合试验站项目(CARS-01-95)和湖州市重点研发计划项目(2022ZD2048)

针对自然环境下水稻病害检测准确性与效率不高等问题，本文提出一种改进YOLO v5s的轻量化检测模型YOLO-RD，并将其部署至边缘计算设备，设计便携式检测装置，实现水稻病害快速检测。通过引入GhostNet网络减少计算量和参数量。结合轻量级注意力机制Shuffle Attention和动态检测头DyHead(Dynamic head)，增强模型对水稻病害图像的特征提取和自适应检测能力。使用Shape-IoU替代CIoU损失函数，提升自然环境下检测精度。试验结果表明，YOLO-RD模型在平均精度均值(mean Average Precision, mAP)达到94.2%的同时，大幅降低计算复杂度和参数量，具有良好的轻量化效果，与基准模型相比计算量、参数量和内存占用量分别减少44.4%、43.2%和41.3%。与YOLO 11n、YOLO v8n和YOLO v5n等目标检测模型对比，本模型检测效果最佳。将模型在树莓派4B边缘计算设备上部署，单幅图像检测时间为1.97s，满足实际应用需求，可为水稻病害智能化检测提供高效可行的解决方案。

来源：2025年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第4期