基于改进YOLOv11的苹果叶片病害检测方法

山东农业大学学报（自然科学版） ›› 2025, Vol. 56 ›› Issue (06) : 1028 -1038.

韩宇, 李金瑷, 王鑫怡, 翟浩, 张霞, 郑纪业, 张晓艳

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对苹果叶片病害检测的需要，本文提出了一种基于改进YOLOv11模型的检测方法MSW-YOLOv11，以提高病害识别的准确性。引入MSBlock分层特征融合策略，实现对Kernel的高效利用，有效提升模型的检测精度；结合SimAM注意力机制，避免结构调整，提升模型对光照变化、叶片重叠等复杂场景的适应能力；将原始模型的损失函数CIOU更替为WIOU损失函数，使模型更多地关注普通质量的样本，进而提高网络模型的泛化能力和整体性能。试验结果表明，改进后模型的精确率、召回率、平均精度均值（mAP@0.5、mAP@0.5～0.95）相较于原模型分别提高了4.9%、10.6%、6.4%、8.8%，性能优于其他对比算法，为植物叶片病害检测提供了一种高效、准确的解决方案。