农业机械学报

作者：张一丁，韩宗桓，乔琛，张领先

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;白粉病菌;YOLO v8;目标检测;小目标

基金：国家自然科学基金面上项目（62176261）和中国博士后科学基金项目（2024M763577）

黄瓜是世界上最重要的蔬菜和经济作物之一。黄瓜真菌病害的发生严重威胁着黄瓜的生产安全，白粉病是其最常见的真菌病害之一。随着计算机技术的飞速发展，越来越多的深度学习算法应用于白粉病菌识别。然而，现有算法存在着微小、遮挡目标识别精度低，定位精度不足的问题。针对这一问题，本文首先将并行化感知注意模块（Parallelized patch-aware attention，PPA）引入YOLO v8s的骨干网络中，通过并行的多分支结构和注意力机制，有效地捕捉了小目标的多尺度特征，在多次下采样过程中保留了关键信息，提高了小目标检测的性能。此外，将全局到局部空间聚合模块（Global-to-local spatial aggregation, GLSA）引入Neck中，通过结合全局上下文信息和局部细节特征，显著提高了模型的特征表达能力。它能够更好地捕捉多尺度特征，从而增强小目标和复杂场景中的检测性能。实验结果表明，PG-YOLO v8s对白粉病菌的检测性能较YOLO v8s大幅提升，网络对小目标和遮挡目标的检测精度显著提升，实现了高精度的白粉病菌检测。本文提供了一种高通量的白粉病菌检测方法，可在发病早期精准检测白粉病菌，指导黄瓜生产的早期智能决策。有助于提高病害防控效率，保障黄瓜产量和质量，对农业生产的可持续发展具有重要意义。

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