- 栏目:试验研究
- 作者:葛根波，吴陈陈，李晟
- 关键词:番茄叶病害；农业病害检测；YOLOv13；Cloformer；DyHead
- DOI:10.16861/j.cnki.zggc.2025.0781
- 全文：
PDF （下载次数：） 摘要（点击次数:）
摘 要：在番茄叶片的病害识别中，由于检测目标较小，且检测环境存在复杂背景干扰等问题，本文提出基于YOLOv13改进的TL-YOLOv13检测模型，传统YOLOv13模型在具备检测速度的同时，能对病斑区域实现高精度识别，精准度达到92.5%。模型在主干网络中引入CloFormer模块，增强模型的信息感知能力，将检测头替换为DyHead动态检测头，实现多特征自动化动态调整，从而提升病斑区域的检测能力。消融试验结果表明，优化后的模型在11 890张图片的测试集中效果优秀，其平均精度mAP@50达到94.7%，且计算量也明显降低。本研究结果为农业病害识别提供了一种高效与鲁棒的技术支持，对番茄种植病害检测具有重要意义。