基于改进YOLO v12的轻量化柑橘病害智能检测

来源：江苏农业科学杂志2026年第第9期北京时间：

作者：张芳君;尚冠宇

单位：1.郑州西亚斯学院工学部，河南郑州 451150； 2.河南省智能制造数字孪生工程研究中心，河南郑州 451150；3.河南省农业信息数智化工程研究中心，河南郑州 451150

摘要：针对在柑橘病害检测任务中存在病斑尺度多变、特征相似、小目标漏检及轻量化部署等问题，提出一种基于改进YOLO v12的轻量化柑橘病害智能检测方法。首先，设计了多感受野特征复用模块，通过多分支结构与重参数化技术，增强模型对病斑细节与全局上下文的自适应提取能力。然后，引入动态稀疏注意力融合机制，利用可学习的稀疏采样偏移与坐标注意力，实现多尺度特征间的精准空间对齐，并显著提升模型对小尺度病斑的判别力。最后，设计轻量级自适应空间上下文模块，通过高效的多路径上下文聚合与通道注意力机制，优化预测特征的质量。试验结果表明，各改进模块在柑橘病害检测任务中具有优异的协同性，本研究模型在小幅增加模型参数与计算量的前提下获得了较高的检测精度，mAP@0.5、sAP@0.5分别达93.2%、68.5%，同时保持高达174 帧/s的推理速度。

关键词：柑橘病害;智能检测;改进YOLO v12;多感受野特征复用;动态稀疏注意力融合;自适应空间上下文聚合