基于GDDL-YOLOv8n的番茄叶病害轻量化检测算法
来源：电子测量技术杂志2025年第18期北京时间：
作者：胡艳茹，刘德全
单位：1.宁夏师范大学物理与电子信息工程学院 固原 756000; 2.宁夏师范大学 固体微结构与功能实验室 固原 756000
摘要：针对自然环境中番茄叶病害检测识别精度低、效果差的问题，提出了一种基于优化YOLOv8的番茄叶病害检测模型——GDDL-YOLOv8n。该模型通过采用GhostHGNetV2改进原有的主干网络，C2f-DWR-DRB改进颈部网络特征融合，并创新性地引入LSCG检测头，成功实现了模型的轻量化与高精度的检测效果。实验结果表明，GDDL-YOLOv8n模型在参数数量上下降了49.13%，计算量减少了37.04%，模型内存占用量降低了46.67%，同时保持了高精度的检测性能，mAP@0.5达到了98.4%，mAP@0.5-0.95达到了92.3%。此外本研究还开发了一个基于PyQt5的用户友好界面系统，支持图片、视频检测以及摄像头实时跟踪识别功能，农业智能化管理和番茄叶部病害识别技术得到了显著增强，模型更为轻量化极大地促进了这些技术在实际生产中的应用。
关键词：病害;轻量化;检测;精度;GUI
基金资助：宁夏师范大学校级科研项目（XJZDD2311）资助
