农业机械学报

作者：姜晟，郭鸿沛，王卫星，欧阳聪，杨尚林，叶云，黄志宏

单位：华南农业大学,华南农业大学,华南农业大学珠江学院,华南农业大学,华南农业大学,广州海睿智能科技股份有限公司;广东轻工职业技术大学,华南农业大学,

关键词：水稻害虫;特征增强;目标检测;轻量化;知识蒸馏

基金：广东省重点领域研发计划项目（2023B0202100001）和国家重点研发计划项目（2017YFD0701700）

针对虫情测报杀虫灯下稻田害虫检测任务中害虫目标体积小、形态多样、堆积重叠所导致的检测精度低、速度慢等问题，提出一种基于改进YOLO v10n的识别方法（YOLO-FRP，即YOLO-Five Rice Pest）。引入BiFPN（Bi-directional feature pyramid network）结构以改善原有特征金字塔FPN（Feature pyramid net），增强模型对低级特征和高级特征的融合，并引入P2小目标层，提升多尺度信息感知能力。设计轻量级增强模块C2f_Star替换主干网络中的浅层C2f模块，移植YOLO v10s的C2fCIB模块替换主干网络中的深层C2f，在增强多尺度检测精度的同时降低计算量。结果表明，改进模型的平均精度均值mAP@0.5为82.1%、召回率为79.5%、参数量为1.64×106、模型内存占用量为4.3MB。为了进一步实现模型高实时性检测与轻量化部署，采用蒸馏-剪枝联合策略，将结合EMA注意力机制和C2f_DySnakeConv动态蛇形卷积模块改进后的YOLO v10s模型作为教师模型，通过L2正则化蒸馏提高已改进YOLO v10n模型性能，再采用基于层自适应幅度的剪枝策略降低模型参数量。与YOLO v10n相比，经联合策略处理后模型mAP@0.5、召回率分别提升2.6、2.7个百分点，帧率提升158f/s，参数量和模型内存占用量分别下降65.64%、56.36%。实验对比结果表明，YOLO-FRP在精度和速度上综合表现优异，且蒸馏-剪枝联合策略可进一步在精度无损的情况下压缩模型规模，显著提升模型推理速度，为农业害虫实时监测精度-速度平衡提供技术参考。

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