基于DAS-YOLOv11的黄瓜病虫害检测方法

昆明理工大学学报(自然科学版) ›› 2026, Vol. 51 ›› Issue (4) : 24 -34.

昆明理工大学学报(自然科学版) ›› 2026, Vol. 51 ›› Issue (4) : 24 -34. DOI: 10.16112/j.cnki.53-1223/n.202512230003

基于DAS-YOLOv11的黄瓜病虫害检测方法

作者信息 +

Author information +
文章历史 +

摘要

为解决黄瓜病虫害检测中背景复杂、病斑相似性高且形态多变、小目标密集分布等问题,本文提出一种基于改进YOLOv11n的黄瓜病虫害检测方法DAS-YOLOv11.在主干网络引入可切换空洞卷积模块,以增强关键区域的空间感知与背景鲁棒性;在特征融合阶段融入自注意力与卷积混合模块,提升对形态多变及相似病斑特征的细粒度表达能力;在颈部网络采用动态上采样器模块,优化小目标空间定位精度与密集区域的空间还原效果.在自建数据集上的实验表明,DAS-YOLOv11的精确率、召回率、mAP50和mAP50-95分别达到88.0%、84.1%、88.6%和56.1%,较基准模型均有不同程度提升,同时GFLOPs降低4.8%.该研究为黄瓜病虫害的精准检测提供了有效的技术支撑.

关键词

黄瓜病虫害 / YOLOv11n / 混合注意力机制 / 目标检测 / 特征增强

Key words

引用本文

引用格式 ▾
. 基于DAS-YOLOv11的黄瓜病虫害检测方法[J]. 昆明理工大学学报(自然科学版), 2026, 51(4): 24-34 DOI:10.16112/j.cnki.53-1223/n.202512230003

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

基金资助

国家重点研发计划项目(2022YFE0138600); 国家自然科学基金项目(62266045); 中国延安市科学技术协会青年科技人才项目(203990143)

AI Summary AI Mindmap

111

访问

0

被引

详细

导航
相关文章

AI思维导图

/

〈 〉