基于自训练的轻量化苹果叶片病斑检测方法

来源：中国农机化学报杂志2026年第3期北京时间：

作者：丁永军, 杨文涛, 黄海博, 赵一龙

单位：西北师范大学计算机科学与工程学院，兰州市，730070

摘要：为解决苹果叶片病害快速检测中模型参数大、人工标注耗时的问题，提出一种基于自训练半监督策略的轻量化两阶段检测方法，以显著减少对标注数据的依赖。该方法主要针对陇东地区常见的褐斑、锈病和灰斑等病害进行研究。在叶片分割阶段，通过融合MobileNet骨干网络和DeepLabv3+模块构建高效的分割模型，试验结果显示，叶片分割的精确度Precision达到99.40%，平均像素准确率MPA为99.47%，平均交并比mIoU为99.20%。在病斑分割阶段，结合自训练的半监督策略，引入通道和空间注意力机制，以进一步增强特征表示能力。在全监督学习策略下，叶片病斑分割的Precision为98.66%，MPA为98.55%，mIoU为98.67%；在自训练且仅使用40%标记数据的半监督策略下，Precision仍能达到96.56%，MPA为97.52%，mIoU为96.25%。最后，将大小为24 MB的检测模型部署于微信小程序中，为农业从业者提供便捷、可靠的病害检测服务。

关键词：苹果病害,DeepLabv3+,分割,半监督,注意力机制

基金资助：国家自然科学基金项目（32360434）；甘肃省高校产业支撑计划项目（2023CYZC—10）；甘肃省自然科学基金项目（23JRRA705）