SATYOLO：复杂环境下的水稻病害轻量化检测模型
来源：江苏农业科学杂志2025年第第23期北京时间：
作者：江俊辉;龚程杰;陈中举
单位：长江大学计算机科学学院，湖北荆州 434000
摘要：针对当前水稻病害检测模型在复杂环境下存在检测效率低、模型过大、速度过慢的问题，提出SAT-YOLO水稻病害轻量化检测模型，旨在提升模型检测精度的同时降低模型大小和计算复杂度。首先，设计了一种新的模块，把原C2f模块改进为C2f-SMSC模块，实现了检测精确度提升，并极大地减少了模型的参数量和计算量；其次，引入ADown下采样模块替代部分传统下采样模块，进一步实现精度增长的同时也降低了参数量和计算量；然后，更改目标检测头TADDH，使模型的参数量和计算量大幅度降低；最后使用损失函数D-Slid Loss进一步提高了检测的准确性。结果表明，建立的SAT-YOLO水稻病害检测模型能够对水稻病害进行有效检测，其平均精度均值mAP为88.2%，相比原YOLO v8n模型提高了1.2百分点。同时模型参数量降低了44%，模型体积减小了41%，模型大小仅3.7 MB，计算复杂度降低了6%。与其他主流检测模型相比，SAT-YOLO模型在检测精度、参数量、模型大小和计算复杂度等方面表现出显著优势。改进的SAT-YOLO轻量化模型不仅适应不同光照条件和水稻生长阶段的变化，而且更适配于嵌入式设备的部署，能更准确地识别复杂情况下的水稻病害，可为提高农业生产效率和保障粮食安全提供技术支撑。
关键词：水稻;病害检测;SAT-YOLO;轻量化
