基于ALD—YOLO的自然场景下苹果叶片病害检测方法研究

来源：中国农机化学报杂志2026年第1期北京时间：

作者：刘霞, 周家横, 古庆辉

单位：1. 长江职业学院，武汉市，430074； 2. 华中农业大学园艺林学学院,武汉市，430070；3. 武汉大学电气与自动化学院，武汉市，430072

摘要：针对自然场景下苹果叶片病害检测存在背景噪声、病害表征相似及小尺度目标多等因素导致模型检测精度不足的挑战，提出一种ALD—YOLO算法，旨在实现自然场景下苹果叶片病害的精准检测。首先，提出一种CBAM—G注意力机制并嵌入主干网络，使网络在特征提取阶段聚焦病害关键特征并降低图片形变产生的影响。其次，将多层次特征信息输入OCR模块并反馈给头部网络，使模型获取更为丰富的像素级语义信息从而精准分类。最后，提出一种动态赋权IoU损失函数，通过为小尺度目标动态赋权来提高小尺度目标损失，进而提升对小尺度目标的检测精度。结果表明，该算法在自制数据集上的精确率为84.93%、召回率为72.88%、平均精度均值为77.48%、处理速度达24.74帧/s。

关键词：苹果,叶片病害检测,YOLOX；自然场景,OCR模块

基金资助：国家自然科学基金（31801258）；2023年度湖北省教育厅科学研究计划指导性项目（B2023612）