基于混合注意力机制与改进YOLO v11的花生叶片病害检测方法

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：尚冠宇;李晓辉

单位：1.郑州西亚斯学院工学部，河南郑州 451150； 2.科大讯飞股份有限公司，安徽合肥230088； 3.河南省农业信息数智化工程研究中心，河南郑州 451150

摘要：针对花生叶片病害智能检测方法中存在的检测精度低和定位不准确的问题，在YOLO v11网络模型的基础上进行改进优化，提出一种基于三通道混合注意力机制的花生叶片病害检测方法。首先，设计通道、空间、光谱的三通道混合注意力机制，突出病斑区域、抑制背景干扰；然后，引入多尺度通道交互机制，通过尺度对齐、跨尺度加权融合、通道注意力建模来强化不同层级特征之间的信息流动，提升模型在多尺度病斑区域的检测精度；最后，综合考虑定位精度、分类置信、显著性结构一致性，构建多约束损失函数，提升训练的稳定性与泛化性能。在构建的花生叶片病害数据集上的试验结果表明，本研究方法具有较高的检测精度，精确率、召回率、mAP分别达到93.3%、95.6%、949%，相比原始YOLO v11模型分别提升5.7、5.9、6.3百分点，明显改善了复杂背景下花生叶片病斑定位偏差与小目标漏检问题。

关键词：花生叶片病害;智能检测;三通道混合注意力;改进YOLO v11;跨尺度通道交互