农业机械学报

作者：张净，华玟，刘晓梅，孙月平

单位：江苏大学,江苏大学,江苏科茂信息技术有限公司,江苏大学,

关键词：番茄病害;轻量化;YOLO v8;目标检测;SimAM

基金：国家自然科学基金项目（62173162）

针对温室环境下番茄叶片重叠有遮挡，部分番茄病害病斑较小导致检测精度不高、现有检测模型参数量多和难以部署至计算资源有限的嵌入式设备端等问题，提出一种基于改进YOLO v8n的轻量化番茄叶片病害检测方法。首先，使用HGNetV2网络替换YOLO v8n模型的主干网络，并引入轻量化卷积GhostConv结构，提高对多尺度病害特征的提取能力，同时减少模型的参数和计算量；其次，在颈部网络部分使用改进的C2f_Star模块，实现进一步轻量化的同时增强模型的特征表达能力；然后，引入轻量级SimAM注意力机制模块，加强模型在识别过程中对小病斑特征的有效提取与表征能力；最后，设计混合损失函数Wise_Focaler_MPDIoU代替原损失函数，提高网络边界框回归性能，加快收敛速度。试验结果表明，改进模型（GSSW-YOLO v8n）的参数量及模型权重文件大小相比原模型分别降低28.9%和26.9%，同时在本研究所使用的番茄叶片病害数据集上的平均检测精度达97.4%，相较原模型提高3.0个百分点，对比其他目标检测算法Faster R-CNN、YOLO v5n、YOLO v6n和YOLO v7-tiny，改进模型的平均检测精度分别高出13.3、5.4、9.9、9.2个百分点。改进模型（GSSW-YOLO v8n）具有更高的检测精度和更少的参数量，可为番茄叶片病害检测模型在嵌入式设备端上的部署和应用提供参考。

来源：2025年第11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11期