基于目标检测引导与视觉大模型的番茄叶部病害智能评估

摘要

[目的]番茄叶部病害严重影响果实品质与产量，病害的有效检测与分级评估是精准防治的前提。针对复杂田间环境下病害类型识别与严重度评估问题，拟构建一种智能化的检测评估技术框架。[方法]提出基于双路径架构的病害检测评估智能方法，在YOLOv12基础上引入双核卷积、动态上采样和并行协同注意力等模块，以改进目标检测模型。该模型首先定位叶片并判断是否存在病斑，进而根据有无病斑自主选择相应分级路径。对于有病斑样本，结合改进后的检测模型与分割万物视觉大模型SAM，依据叶片和病斑检测结果进行提示分割，通过计算病斑像素面积占比，确定病害等级；对于无明显病斑样本，则采用低分辨率注意力机制构建分级识别模型，实现基于专家知识的病害等级自主判别。利用自采与公开数据构建番茄叶部病害数据集，进行实验验证。[结果]改进后的目标检测模型叶片检测的精确率与mAP分别提升3.4%和3.1%，病害类别识别准确率达99.1%，病斑检测mAP提升10.74%，达到90.1%。在检测框引导下，SAM对叶片与病斑的面积提取平均相对误差均低于9%。6种带病斑叶部病害的算法评级准确率均超过84%，平均约为90.5%；分级识别模型对无明显病斑样本的分级准确率达87.5%，优于ConvNeXt-T、Swin-T等模型。[结论]该方法在叶片与病斑检测上有效，基于检测提示的SAM分割稳定可靠，该技术框架适用于番茄叶部病害的自动化检测与分级，为农业病虫害智能诊断提供一种可行方案。

关键词

番茄 / 叶部病害 / 病害检测 / 病害分级 / 语义分割