摘要：吴六爱, 许雪珂. 基于改进YOLOv10n的轻量化番茄叶片病虫害检测方法[J]. 智慧农业(中英文), 2025, 7(1): 146-155.
引用格式：
吴六爱, 许雪珂. 基于改进YOLOv10n的轻量化番茄叶片病虫害检测方法[J]. 智慧农业(中英文), 2025, 7(1): 146-155.
DOI： 10.12133/j.smartag.SA202410023
WU Liuai, XU Xueke. Lightweight Tomato Leaf Disease and Pest Detection Method Based on Improved YOLOv10n[J]. Smart Agriculture, 2025, 7(1): 146-155.
官网全文免费阅读
知网阅读
基于改进YOLOv10n的轻量化番茄叶片病虫害检测方法
吴六爱， 许雪珂*
（兰州交通大学 电子与信息工程学院，甘肃兰州 730070，中国）
摘要：
［目的/意义］为解决番茄叶片病虫害检测中面临的环境复杂、目标小、精度低、参数冗余及计算复杂度高等问题，提出了一种新型轻量化、高精度、实时的检测模型——YOLOv10n-YS（You Only Look Once Version 10-YS）。
［方法］首先，采用C2f_RepViTBlock模块替换主干网络的C2f，减少了模型的计算量和参数量。其次，加入带切片操作的注意力机制SimAM，结合原有卷积形成Conv_SWS模块，提升了小目标的特征提取能力。另外，在颈部网络中使用DySample轻量动态上采样模块，使采样点集中在目标区域而不会关注背景部分，实现病虫害的有效识别。最后，将跨通道交互的高效率通道注意力（Efficient Channel Attention with Cross-Channel Interaction, EMCA）替换主干网络的金字塔空间注意力机制（Pyramid Spatial Attention, PSA），进一步提高了主干网络的特征提取能力。
［结果与讨论］实验结果显示，YOLOv10n-YS模型在番茄病虫害数据集上展现出了卓越的性能。其平均识别精度、检测准确率和召回率分别达到了92.1%、89.2%和82.1%，相较于原模型，这些指标分别提升了3.8、3.3和4.2个百分点。同时，模型在参数量和计算量上也实现了显著的优化，分别减少了13.8%和8.5%。
［结论］这些改进不仅提升了模型的性能，还保持了其轻量化特性，对番茄叶片病虫害的检测具有重要参考价值。
关键词： 番茄叶片；病虫害检测；YOLOv10n；注意力机制；轻量化
文章图片
图1 本研究提出的YOLOv10n-YS网络结构图
Fig. 1 The Network architecture of proposed YOLOv10n-YS
图2 RepViTBlock设计
Fig. 2 RepViTBlock design
图3 SimAM特征图切片
Fig. 3 SimAM Feature map slices
图4 DySample模块动态上采样
Fig. 4 DySample module dynamically upsamples
图5 基于动态范围因子的点采样
Fig. 5 Point sampling based on dynamic range factor
图6 YOLOv10n检测病虫害优化前后的P-R结果对比
Fig.6 Comparison of P-R results of YOLOv10n detection
图7 不同网络模型的番茄叶病虫害可视化结果
Fig. 7 Comparison of visual results of tomato leaf pests and diseases with different network models before and after optimization
作者简介
吴六爱 副教授
吴六爱，兰州交通大学电子与信息工程学院副教授，硕士生导师。主要在数据库、信息处理、数据挖掘、人工智能等方向开展相关研究工作。完成并通过省级鉴定科研项目4项，获省科技进步奖两项，期中2011完成省自然科学基金项目，2012年获省高校科技进步奖。 2012年主持完成《高校教材预收款管理系统》项目，在国内多所高等院校推广应用，取得了较好的社会效益。2020年开发完成了《师生通教学管理系统》，在部分高校使用。在国内外期刊上共发表论文10余篇，期中EI收录2篇，国内核心5篇。主编教材2部，多次指导学生参加科技作品竞赛和程序设计大赛，学生多次获得国内、省内比赛奖项，本人多次获优秀指导教师称号。
转载请联系编辑部授权
本期支持单位
潍柴雷沃智慧农业科技股份有限公司
华东交通大学智能机电装备创新研究院
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
来源：智慧农业资讯一点号
