-
题名基于改进YOLO v11的葡萄叶片害虫检测
- 1
-
-
作者
范明超
高欣峰
-
机构
青岛农业大学动漫与传媒学院
-
出处
《江苏农业科学》
2026年第4期289-300,共12页
-
基金
2024年度青岛市科技惠民示范专项(编号:24-1-8-xdny-12-nsh)。
-
文摘
葡萄是全球重要的果树作物,害虫高发已成为限制其稳产优质的关键因素。传统人工识别方法存在效率低、主观性强等不足,难以满足精准防控需求。为实现葡萄叶片害虫的快速与高精度检测,提出改进模型YOLO v11-GrapePest。首先构建覆盖大青叶蝉、十星叶甲、绿盲蝽等7类典型害虫的数据集,并结合传统数据增强与Gemini-2.5-Flash-Image模型生成雾天、夜天与雨天等复杂环境样本,以提升数据多样性与模型泛化能力。在模型结构上,以C3K2多支路并行架构为基础,嵌入PConv并融合深度可分离卷积、ECA注意力与轻量化MLP,形成C3K2_PConvX模块,从而替代原生C3K2;采用EUCB模块优化颈部上采样结构;在MCA注意力机制基础上,引入稀疏约束与Softmax自适应加权,提出改进的S_MCA注意力机制;将CIoU损失替换为MPDIoU,以提升边界框回归精度与收敛速度。结果表明,YOLO v11-GrapePest的精确率、召回率和mAP@0.5分别达到95.1%、90.5%与95.0%,相较原始YOLO v11分别提升2.4、3.8、2.4百分点,同时降低了模型参数和计算量,推理速度提升至85.2帧/s,在检测精度、轻量化与实时性方面均优于RT-DETR-R18、Faster R-CNN、YOLO v8n等主流模型。YOLO v11-GrapePest能在复杂背景和多变天气条件下稳定识别葡萄害虫,为葡萄害虫的智能监测与精准防控提供有效技术支撑。
-
关键词
葡萄叶片害虫
C3K2_PConvX
EUCB
s_mca
MPDIoU
-
分类号
S126
[农业科学]
TP391.41
[农业科学—农业基础科学]
-
