基于YOLO算法的农作物病害检测研究进展

乔世成; 赵晨雨; 白明宇; 党珊珊; 潘春宇; 张明月

doi:10.16853/j.cnki.1009-3575.2025.06.011

内蒙古农业大学学报（自然科学版） ›› 2025, Vol. 46 ›› Issue (06) : 86 -93. DOI: 10.16853/j.cnki.1009-3575.2025.06.011

基于YOLO算法的农作物病害检测研究进展

乔世成, 赵晨雨, 白明宇, 党珊珊, 潘春宇, 张明月

作者信息 +

Author information +

文章历史 +

摘要

农作物病害是指由病原体、环境因素或营养失衡引起的植物疾病。以YOLO系列算法为代表的农作物病害检测模型利用计算机视觉和深度学习技术，可以自动识别和分类农作物病害，以达到提高农业生产效率的目的。首先，本文概述了YOLO算法历代版本的演进过程，重点分析其在叶片与果实病害检测中的创新应用，包括多尺度特征融合（BiFPN、RepFPN）、轻量化网络（GhostNetV2、GSConv）及注意力机制（CBAM、EMA）等改进策略；其次，针对该领域所面临的挑战进行了总结，如复杂环境适应性不足、小目标特征提取难度大、小样本标注成本高等；最后，对未来研究方向进行了展望，为农作物病害检测技术的进一步发展提供参考，以提升农作物病害检测的智能化与普适化水平。