农业工程学报

作者：汪刘严军,禹璐,杨启良,梁嘉平,

关键词：草莓病害, 目标检测, 注意力机制, YOLOv8n, 田间复杂场景

基金：42

为解决传统人工检测草莓果叶病害效率低、易受环境条件限制的问题，该研究基于改进YOLOv8n与多尺度协同注意力机制，提出草莓果叶病害智能检测模型YOLOv8n-SFLD。构建包含7类常见病害（角斑病、炭疽病、花腐病、灰霉病、叶斑病、叶片白粉病、果实白粉病）表型的草莓果叶病害图像数据集并针对YOLOv8n模型提出四重优化策略：其一，在C2f结构中融合通用感受野大核网络（universal receptive large kernel network，UniRepLKNet）模块，通过跨阶段特征融合增强网络对深层语义特征的提取能力；其二，在主干网络引入通道优先卷积注意力（channel prior convolutional attention，CPCA），提升复杂背景下病斑识别精度；其三，在颈部网络添加多尺度协同注意力（multi-scale collaborative attention，MSCA），通过并行多尺度卷积核融合通道与空间注意力以精准感知并增强病害特征；其四，将损失函数替换为加权证据插值交并比（weighted interpolation of sequential evidence for intersection over union，Wise-IoU），通过动态权重分配优化小目标病斑的边界框回归精度。结果表明，YOLOv8n-SFLD检测精确率、mAP50分别为91.9%、87.0%，较原始YOLOv8n分别提升7.4、2.3个百分点；相比YOLOv9t、YOLOv10n、YOLOv11、YOLOv12等YOLO系列主流模型，该模型的mAP50分别高出2.5、2.7、2.8、2.0个百分点，同时保持了轻量化的模型特性，更适配田间边缘设备部署需求。该改进模型可为复杂背景下草莓果叶病害的快速准确检测提供可靠技术支持。/

来源：2026年第7期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第7期