基于曼哈顿距离注意力与门控双分支的桑叶多病害识别

来源：农业机械学报杂志2026年第2期北京时间：

作者：文春明，宋璞玉，左佳运，梁湘，徐咏

单位：广西混杂计算与集成电路设计分析重点实验室;广西智能视觉协作机器人工程研究中心,广西民族大学,广西民族大学,亚热带农业生物资源保护与利用国家重点实验室,广西高校人工智能与信息处理重点实验室,

摘要：桑叶病害导致桑叶质量下降、产量减少，进而影响蚕茧品质，制约桑蚕产业优质发展。目前，桑树种植存在病害识别智能化水平低、防治滞后等问题，且桑叶病斑特征复杂，细小病斑特征提取难度大。本文提出一种结合曼哈顿距离注意力增强与门控双分支结构的桑叶多病害复合识别算法YOLO v10s-MAD，对YOLO v10的骨干网络进行桑叶病虫害图像适配性优化，通过引入具有动态大核选择机制的网络结构（Large selective kernel network，LSKNet），增强对多尺度病斑特征捕捉能力，并减少冗余计算；同时，提出一个新的颈部网络MAD-Neck，通过引入基于曼哈顿距离的自注意力机制（Manhattan distance-based self-attention mechanism，MaSA），并结合Transformer架构的多尺度动态大核门控双分支模块（Multi-scale gated dual-branch module，MGDB），更好地对多种病害的细节特征识别；增加归一化沃瑟距离（Normalized Wasserstein distance，NWD）损失函数增强模型对小目标检测中的微小位置偏差的鲁棒性。不同模型性能试验结果表明，改进算法模型相较于原模型，mAP50和mAP50:95分别提升2.2、3.0个百分点，达到92.2%和76.8%，满足对桑叶病害进行目标检测的要求。

关键词：桑叶多病害复合识别;曼哈顿距离注意力;细节特征识别;目标检测

基金资助：广西科技计划项目（桂科AA24010001）、广西自然科学基金项目（2025GXNSFAA069536）、国家自然科学基金地区科学基金项目（62063006）、广西高校人工智能与信息处理重点实验室开放课题（2022GXZDSY009、2024GXZDSY017）和2025年广西科普惠农兴村计划科技小院项目