农业机械学报

作者：张一丁，乔琛，张领先，韩宗桓

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：黄瓜霜霉病;分生孢子梗;孢子囊;YOLO v8s-OBB;CBAM;LSCD

基金：国家自然科学基金项目（62176261）

黄瓜霜霉病作为一种严重威胁黄瓜生产和品质的真菌性病害，其分生孢子梗和孢子囊的定量检测对病害防治关口前移具有重要意义，由于分生孢子梗及孢子囊存在形态多样和方向不同特征，传统的水平边界框检测方法无法准确检测。因此，本文提出了一种基于改进YOLO v8s-OBB的检测方法，通过引入卷积块注意力机制（Convolutional block attention module, CBAM）和轻量级共享卷积检测头（Lightweight shared convolutional detection head, LSCD）模块，旨在提高黄瓜霜霉病菌分生孢子梗及孢子囊的检测效率和准确性。通过引入CBAM，增强了模型对关键特征的识别能力，使其更聚焦于显微图像中的重要区域，进而提高了对小目标的检测能力。LSCD通过共享卷积操作集成多尺度特征，提高了模型对不同尺寸目标的检测性能，同时降低了计算成本，以适应资源受限环境的需求。旋转边界框技术能准确捕捉分生孢子梗及孢子囊的倾斜和旋转姿态。实验结果表明，对比原始YOLO v8s-OBB模型，改进YOLO v8s-OBB模型不仅模型尺寸进一步减少，而且对黄瓜霜霉病菌分生孢子梗及孢子囊的检测性能更优，其精确率、召回率和mAP@0.5分别达到96.0%、90.1%和96.5%。同时，改进YOLO v8s-OBB模型检测精度均优于S2ANet、H2RBox和R2CNN等先进旋转目标检测模型。此研究验证了改进模型在实际应用中的有效性，并为黄瓜霜霉病的早期诊断提供了技术支持。

来源：2025年第12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12期