基于YOLOv11-RFDY的苹果病虫害小目标检测

陈泓润; 朱洪前; 林洁如; 何翔

doi:10.13360/j.issn.2096-1359.202412015

林业工程学报 ›› 2026, Vol. 11 ›› Issue (2) : 128 -136. DOI: 10.13360/j.issn.2096-1359.202412015

基于YOLOv11-RFDY的苹果病虫害小目标检测

陈泓润, 朱洪前, 林洁如, 何翔

作者信息 +

Author information +

文章历史 +

摘要

针对当前苹果病虫害检测过程中存在的检测效率低、检测成本高、病虫害种类繁多以及果园环境复杂多变，传统方法难以实现高精度与高实时性的自动检测等问题，本研究基于深度学习方法提出了一种改进的目标检测模型YOLOv11-RFDY。该模型以轻量级的YOLOv11n为基础，融合RFCAConv卷积模块以增强局部特征提取能力，同时设计了新的RFDY颈部结构，通过引入蛇形卷积实现对卷积核形态的自适应调整，提升模型对苹果叶片上不规则、尺寸较小的病虫害目标的识别能力。为进一步增强对微小目标的检测性能，模型新增p2检测层，利用高分辨率的特征图提升目标定位精度，有效区分患病树叶和健康枝叶，增强模型在复杂光照、遮挡背景等真实场景下的鲁棒性。在损失函数方面，本研究使用更具几何感知能力的SIoU损失函数替换CIoU损失函数，从而加快训练收敛速度并提升检测精度。在苹果病虫害图像数据集上进行实验，结果表明，YOLOv11-RFDY在保持模型参数量较低的前提下，对多种苹果病虫害的平均准确率达到了90.8%;与YOLOv7相比提高了17.5个百分点，比原模型YOLOv11提升了2.1个百分点，展现出优越的检测性能和实用价值。