基于改进YOLOv9的番茄病害检测

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：姚百蔚;邵佳慧;徐英杰;田宏

摘要：在农业生产中,番茄病害的及时检测能够保护农作物的健康并且减少经济损失。 番茄所处背景通常是复杂的,为了实现复杂背景下的番茄病害检测,提出了一种基于注意力机制的 YOLOv9 改进模型 TODC-YOLOv9。 首先,引入了 DCNv3 可变形卷积对原始的 RepNCSPELAN4 模块进行改进后得到 DCNRCE 模块,实现在空间上的自适应聚合,从而增强模型对几何变换的适应能力和特征表示能力。 其次,通过引入 SimAM 注意力机制进一步加强主干的特征提取能力,提高网络对输入数据的敏感度和识别能力,使模型能够支持更复杂的视觉任务。 实验结果表明,TODC-YOLOv9 模型的精确率达到 98. 02% ,召回率达到 93. 75% ,平均精度均值 mAP_0. 5 和 mAP_0. 5:0. 95 分别达到 98. 27% 和 88. 72% ,均优于其他模型。 由此表明,TODC-YOLOv9 模型具有较好的鲁棒性和识别能力,能够为复杂背景下的番茄病害检测提供有力的技术支持。

关键词：YOLOv9;番茄病害检测;深度学习;注意力机制;可变形卷积