基于改进YOLOv10的草莓叶片病害识别

来源：中国农机化学报杂志2026年第6期北京时间：

作者：凌旭东, 韩强, 张婷, 周名智

单位：1. 宁夏职业技术学院软件学院，银川市，750021; 2. 北方民族大学信息与工程学院，银川市，750001; 3. 甘肃农业大学信息科学技术学院，兰州市，730070

摘要：针对草莓叶片病害识别中背景复杂、病害特征相似、目标尺度多样等问题，提出一种基于改进YOLOv10的草莓叶片病害识别方法。首先，引入多通道逆残差模块（MCIR），通过多通道处理策略与逆残差结构提升模型对不同尺度病害特征的提取能力。其次，在C2f模块基础上引入CBAM注意力机制得到C2f—CM，增强模型对复杂背景下病害特征的定位能力。然后，基于MCIR和C2f—CM对YOLOv10的骨干网络和颈部网络进行轻量化处理，在保留关键特征信息的同时降低计算复杂度。最后，优化原损失函数为Focal—EIoU，提高病害目标检测框的精确度，并缓解数据集中不同病害类别样本分布不均衡问题。在自建草莓叶片病害数据集上进行试验，结果表明，改进后的模型在平均精度均值mAP@0.5上达到98.6%，较原始YOLOv10提升2.5个百分点；模型参数量和大小分别减少70.7%和48.3%，降至1.2 M和3.1 MB。消融实验验证MCIR、C2f—CM和Focal—EIoU模块在提升草莓叶片病害检测精度的同时，降低模型复杂度方面的有效性。

关键词：草莓叶片,病害识别,YOLOv10,多通道逆残差模块,注意力机制,轻量化

基金资助：国家自然科学基金项目（62066001）