基于HTWYOLO的轻量化草莓病害检测方法

来源：江苏农业科学杂志2025年第第20期北京时间：

作者：王少芳;陈贤;崔艳荣;陈中举;詹炜

单位：长江大学计算机科学学院，湖北荆州 434023

摘要：针对草莓容易受到多种病害侵袭，且病害形态各异，传播速度快，导致草莓病害检测效率低下、检测精度不高等问题，提出一种基于YOLO v8s改进的HTW-YOLO轻量化草莓病害检测模型。首先，将颈部网络替换为高层次特征筛选融合金字塔网络，通过高层特征筛选低级特征信息的多层次筛选和融合，以增强模型对病害特征信息的捕捉能力，并融合坐标注意力机制，进一步提高模型对病害的定位和识别；其次，采用任务对齐检测头，以共享卷积进行特征提取，降低检测头参数的同时，利用病害的分类定位特征交互信息，提高模型的病害检测性能；最后，将原损失函数优化为WIoU损失函数，增强模型的泛化能力，使模型在各个优劣样本中取得平衡，提高整体检测性能。结果表明，所提出的模型检测精确率为94.0%，召回率为89.8%，平均精度均值为94.5%，参数量和模型大小分别为61、12.4 M，与基准模型YOLO v8s相比，在参数量和模型大小分别降低45.0%、45.1%的情况下，精确率、召回率和平均精度值分别提升2.6、3.2、4.3百分点。改进的模型与Faster R-CNN、YOLO v5s、YOLO v7-tiny、YOLO v9s、YOLO v10s相比，仅模型参数量和大小略高于YOLO v7-tiny，精确率比YOLO v9s低0.5百分点，其他性能均为最优，在实现模型轻量化的同时取得了较高的草莓病害识别能力。

关键词：草莓病害;YOLO v8;目标检测;轻量化;深度学习;HTW-YOLO