改进YOLOX算法的葡萄病害识别

来源：中国农机化学报杂志2025年第8期北京时间：

作者：滕飞, 王光远, 代晨龙, 任景龙, 张惠莉

单位：（青岛农业大学机电工程学院，青岛市，266109）

摘要：为应对农业智能化发展中葡萄病虫害检测效率低下和可靠性不足的问题，开发一种基于改进YOLOX的实时高性能检测模型。通过引入一种改进的空间金字塔池化(SPP)层，有效提取不同尺度的相关特征，实现从小到大尺度的多级特征串联。在数据集上，改进模型的平均精度达98.59%，比原始YOLOX模型提高6.72%。与5种经典目标检测算法(YOLOv4、YOLOv5、YOLOv7、YOLOv8、YOLOX)相比，改进模型的mAP分别提高23.33%、19.78%、7.62%、5.96%、6.62%。不仅提升葡萄病害管理效率，减少经济损失，而且为其他作物的自动化疾病检测提供宝贵经验。

关键词：葡萄,YOLOX模型,病害识别,图像分类,深度学习

基金资助：中央引导地方科技发展专项计划（23—1—3—6—zyyd—nsh）