基于轻量级YOLO v10的番茄叶片病害检测

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：党婉誉;周烨炆;徐斌腾

单位：1.驻马店职业技术学院信息工程学院/河南省乡村智慧农业工程研究中心 河南驻马店 463000； 2.河南农业大学信息与管理科学学院，河南郑州 450003； 3.郑州大学电气与信息工程学院，河南郑州 450001

摘要：随着农业生产的发展，番茄叶片病害的早期检测与防治变得尤为重要。然而，传统检测方法往往受限于较高的计算成本和复杂的模型结构，难以在实际生产中广泛应用。为进一步提高检测精度并降低计算开销，提出了一种基于轻量级YOLO v10的病害检测模型。该模型主要包含4个关键技术创新：(1)引入膨胀卷积模块替代传统卷积层，在不增加参数量的前提下有效扩大感受野；(2)设计双向特征金字塔网络(BiFPN)实现多尺度特征的高效融合，增强对不同大小病斑的检测能力；(3)集成BAM注意力机制，提升模型对病害区域的关注能力，减少背景干扰；(4)优化MPDIoU损失函数，通过引入尺度敏感性调整项，使模型对病害区域边界定位更加精确。结果表明，改进后的轻量级YOLO v10模型的检测精度(mAP@0.5~0.95)达95.3%，比基准YOLO v10模型提高3.7百分点；推理速度达 171.2帧/s，满足实时检测需求；模型大小仅为12.5 MB，比原始模型减少3.85%。该模型能够可靠地识别多种常见番茄叶片病害，特别是在早期阶段和复杂环境条件下表现出色，为农业智能化病害防控提供实用工具，对提高农作物产量与品质具有重要意义。

关键词：番茄病害识别;YOLO v10;多尺度特征;目标检测;感受野;注意力机制