基于改进YOLO11s的番茄叶片病害轻量化检测方法

摘要

针对现有番茄叶片病害检测中存在的背景复杂、模型参数量大以及小目标病害检测精度不足等问题，提出一种基于改进YOLO11s的番茄叶片病害轻量化检测方法。在主干网络中使用GSConv模块替换部分标准卷积模块，在保持检测精度的同时显著减少模型参数量；在特征提取层中引入C3k2＿PConv2模块，通过部分通道卷积运算有效减少冗余计算和内存访问量；在主干网络末端，将SENetV2模块与C2PSA模块融合，形成C2PSA＿SENetV2模块，增强通道间信息交互和全局特征表达能力；引入UIoU损失函数，通过动态权重分配策略改善边界框回归精度。与原始YOLO11s模型相比，改进后的模型检测平均精度均值(mAP@0.5)提升了0.6%,同时实现了显著轻量化，模型参数量减少了19.2%,计算量降低了16.9%,模型权重大小减少了19.1%。本文提出的方法在保持检测精度的同时实现了显著的轻量化效果，可为番茄叶片病害实时智能检测提供技术支撑。

关键词

番茄叶片病害 / YOLO11s / 目标检测 / 轻量化