农业机械学报

作者：杨玮，伏冬朔，吴龙起，李民赞?，张焕春，夏秀波

单位：中国农业大学,中国农业大学;烟台市农业科学研究院,中国农业大学;烟台市农业科学研究院,中国农业大学,烟台市农业科学研究院,烟台市农业科学研究院,

关键词：深度学习;番茄黄化曲叶病毒病;目标检测;YOLO v7;病害检测

基金：国家重点研发计划项目（2021YFD2000103）

为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题，提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型，分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块，以加强对复杂病变区域的感知能力;同时，Pconv模块替换主干网络中部分普通卷积，以更高效地提取空间特征，降低冗余计算和内存访问;在检测头中引入SimSPPF模块，极大地减少浮点运算量，提高感受野，增强特征提取能力。经测试，改进YOLO v7模型对轻度发病、中度发病、重度发病番茄植株检测的平均精度分别为97.5%、92.1%和93.6%。改进模型平均精度均值为95.0%，较原模型提升0.8个百分点，参数量减少8.2×105，浮点运算量减少2.7×1010，模型内存占用量减少15.7MB，在保证检测精度的同时减小模型体量。与Faster R-CNN、YOLOX、YOLO v5l、YOLO v8m模型相比，平均精度均值分别提高11.2、5.7、1.4、8.7个百分点。试验结果表明，该模型能够实现对番茄黄化曲叶病毒病的分级检测识别，为实现番茄种植智能化提供支持。

来源：2025年第6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6期