基于改进YOLO v11的番茄叶片病虫害识别算法

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：江阳;杨颖

单位：广西大学计算机与电子信息学院，广西南宁 530004

摘要：为了提升番茄叶片病虫害检测的精度和效率，针对农田背景复杂、目标较小等难题，提出一种基于改进YOLO v11的番茄叶片病虫害识别算法——YOLO v11-EBW，实现对番茄叶片病虫害的精准识别。首先，通过在YOLO v11算法的每个检测头前嵌入高效多尺度注意力机制，降低背景因素干扰，增强模型对目标特征的关注；其次，设计一种BiFPN-Adaptive结构并重构颈部网络，促进不同尺度特征的融合与信息交互，提升特征融合能力；然后，加入 160×160 小目标检测头，有效改善小目标病虫害的检测效果，降低漏检率；最后，将损失函数CIoU替换为WIoU v2，使模型能更加准确地处理不同目标之间的差异，从而提升分类性能。试验结果表明，改进算法的平均精度均值mAP@0.5、mAP@0.5~0.9分别达到94.7%、87.8%，相较于原始 YOLO v11算法分别提升3.5、4.9百分点，同时检测速度达到129.4帧/s，能够满足实际生产中对番茄叶片病虫害快速、精准的识别需求；消融试验充分证明了各个改进模块的有效性，在公开数据集上的对比结果表明，该方法具有优秀的鲁棒性。本研究算法有效降低了误检和漏捡，为番茄叶片病虫害的监测与防控提供了可靠的技术支撑，具有良好的应用前景。

关键词：番茄;叶片病虫害;YOLO v11;目标检测;多尺度注意力机制