嵌入式平台的番茄叶片病虫害检测模型

来源：计算机工程与应用杂志2025年第16期北京时间：

作者：孙寿松, 李新凯, 张宏立, 何亮, 赵苓

单位：1.新疆大学 电气工程学院，乌鲁木齐 830017；2.新疆大学 智能科学与技术学院，乌鲁木齐 830017；3.清华大学 电子工程系 北京信息科学与技术国家研究中心，北京 100084；4.天津大学 精密仪器与光电子工程学院，天津 300072

摘要：针对真实田间环境下背景复杂、病虫害特征小以及现有检测模型难以部署的问题，提出一种RHEO-YOLO模型，并将改进模型部署于移动平台以实现实时检测。设计高效重参数聚合网络（RepELAN）模块以优化原有的C2f模块，在模型推理时将多分支网络结构重参数化，实现在不影响精度的同时降低模型参数量。使用高层筛选特征金字塔网络（high-level screening feature pyramid network，HSFPN）替换原有特征融合网络，增强模型对番茄叶片病虫害特征的表达能力。重新设计YOLOv8的检测头，并将损失函数更改为OIOU，加快模型收敛速度，并提高检测精度。实验结果表明改进后模型的精确率和召回率为89.4%和84.2%，平均检测精度为88.9%，同时参数量和模型大小分别降低约63%和60%，与其他目标检测模型相比，RHEO-YOLO模型在计算复杂度、检测精度方面具有更好的综合检测性能。在嵌入式设备Jetson Nano和Jetson Xavier NX上实时检测帧率分别为8.3?FPS和29.4?FPS，基本满足实时检测要求。改进后的模型能够有效检测自然环境下的番茄叶片病虫害目标，为番茄叶片病虫害检测算法改进和实际应用提供理论和技术支持。

关键词：番茄叶片,YOLOv8,轻量化,目标检测,嵌入式设备