数字农科院2.0

基于改进YOLOv10s的酿酒葡萄叶片病虫害检测算法

文献类型： 中文期刊

作者： 马聪;陈学东;张学俭;薛新宇;张宋超;杨淑婷

作者机构：

关键词： 酿酒葡萄;深度学习;目标检测;YOLOv10;视觉变换器;注意力机制

期刊名称：江苏农业学报

ISSN： 1000-4440

年卷期： 2025 年 41 卷 12 期

页码：

收录情况： 北大核心（2023版） ; ; CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 葡萄叶片病虫害的精准识别是实现葡萄种植智能化管理的重要研究方向。针对现有方法在光照变化、叶片遮挡等复杂田间环境下存在准确性与实时性不足的问题,本研究基于YOLOv10s提出一种用于酿酒葡萄叶片病虫害检测的高精度方法RMT-YOLOv10s。首先,在主干网络中使用网络视觉变换器(RMT)提取图像特征,实现局部与全局信息的协同建模；其次,在颈部网络设计一种融合通道注意力与深度可分离卷积的改进的角点注意力(ICA)模块,增强模型对关键病虫害区域的关注能力；最后,在目标边框损失函数上,使用WIoU Loss v3替换CIoU Loss,在稳定模型训练的同时更精确地预测目标。结果表明,相较于YOLOv10s模型,RMT-YOLOv10s的精确率、召回率、mAP_(50)[在目标边框的交并比(IoU)阈值为0.5的条件下计算所有类别的平均精度并取其均值]以及mAP_(50∶95)(在IoU阈值从0.50到0.95、步长为0.05的10个不同阈值下,分别计算各类别的平均精度,再对这些平均精度取平均值得到的评价指标)在MS COCO2017验证集上分别提高了4.2个百分点、2.7个百分点、3.0个百分点和1.9个百分点,同时在自建酿酒葡萄叶片病虫害检测数据集上RMT-YOLOv10s在这4个指标上分别达到98.3%、97.0%、97.9%和92.9%,较YOLOv10s分别提升了2.3个百分点、1.6个百分点、2.1个百分点和2.5个百分点。

分类号：

  • 相关文献

[1]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

[2]基于改进YOLOv8模型的冬小麦穗识别技术. 宫志宏,闫锦涛,于红,刘涛,刘布春,李树岩. 2026

[3]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[4]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[5]基于改进ResNet50的草原蝗虫种类智能识别APP系统. 甄又陈,王佳宇,王宁,刘升平,林克剑,李艳艳. 2025

[6]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[7]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[8]基于机器视觉的小贯小绿叶蝉智能识别的研究与应用. 边磊,何旭栋,季慧华,蔡晓明,罗宗秀,陈华才,陈宗懋. 2022

[9]基于YOLO V3的葡萄病害人工智能识别系统. 王超学,祁昕,马罡,朱亮,王白暄,马春森. 2022

[10]基于机器视觉的蚕豆荚高精度检测方法研究. 夏子林,张新洲,王文波,夏先飞,陈兰,顾寄南. 2025

[11]基于改进YOLOv8n的套袋柑橘识别. 王微子,马伟. 2025

[12]Efficient Identification and Classification of Pear Varieties Based on Leaf Appearance with YOLOv10 Model. Li, Niman,Wu, Yongqing,Jiang, Zhengyu,Mou, Yulu,Ji, Xiaohao,Huo, Hongliang,Dong, Xingguang. 2025

[13]Intelligent Survey Method for Tiny Rice Pests and Their Natural Predators in Paddy Fields Using Augmented Reality (AR) Glasses. 洪辰,,罗举,,冯泽霖,,凌和平,,李玲一,,吴坚,,姚青,,刘淑华. 2025

[14]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[15]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[16]基于混合扩张卷积和注意力的黄瓜病害严重度估算方法. 李凯雨,朱昕怡,马浚诚,张领先. 2022

[17]基于改进U-Net模型的小麦收获含杂率在线检测方法. 陈满,金诚谦,莫恭武,刘士坤,徐金山. 2022

[18]基于改进YOLOv4-tiny的茶叶嫩芽检测模型. 方梦瑞,吕军,阮建云,边磊,武传宇,姚青. 2022

[19]基于改进YOLO v8n-seg的群猪分割方法研究. 王兴家,郑纪业,盛清凯,杨亮,张霞. 2025

[20]基于改进Swin-Unet的小麦条锈病分割方法. 臧贺藏,任帅,王从胜,王盛威,赵瑞玲,陈丹丹,赵晴,张杰,郑国清,李国强. 2024

作者其他论文 更多>>