基于改进YOLOv5的多种植物叶片病虫害分类视觉模型研究

来源：中国农机化学报杂志2026年第4期北京时间：

作者：曹炎, 刘建平, 王晨阳

单位：1.北方民族大学计算机科学与工程学院，银川市，750021； 2.北方民族大学，图像图形智能处理国家民委重点实验室，银川市，750021

摘要：传统农作物病虫害检测依赖于人工观察，难以满足现代农业生产需求，而全国主要粮食作物、蔬菜以及水果等农作物重大病虫害有加重发生的态势，加强农田病虫害检测具有重要意义。通过改进YOLOv5模型，引入SPD—Conv模块，增强模型的特征表示能力；增加上下文增强模块，丰富图像的特征金字塔网络的上下信息联系；添加ContextAggregation和CoordConv模块，增强对图像的空间感知能力，提高病虫害的定位能力。为验证所提模型的有效性，以“AI Challenger 2018病虫害分类数据集”和“IP102数据集”为基础数据，进行数据整合与增广，最终确定对水稻、马铃薯、苹果等15种植物的90类不同严重程度的病虫害进行试验。试验结果表明，改进后模型达到最优效果，mAP@0.5和mAP@0.5∶0.95均达到90.4%。该研究可为植物叶片病虫害的识别和应用提供借鉴。

关键词：植物叶片；农业决策支持；病虫害；图像分类；数据增强,改进YOLOv5

基金资助：国家自然科学基金项目（32460444）；宁夏自然科学基金（2025AAC050001）；宁夏全职引进高层次人才科研启动项目（2024BEH04130）；宁夏重点研发项目（2024BBF0101302）