[1]江俊辉,龚程杰,陈中举.SATYOLO：复杂环境下的水稻病害轻量化检测模型[J].江苏农业科学,2025,53(23):235-243.
　Jiang Junhui,et al.SATYOLO：a lightweight detection model for rice diseases in complex environments[J].Jiangsu Agricultural Sciences,2025,53(23):235-243.
点击复制

SATYOLO：复杂环境下的水稻病害轻量化检测模型()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第23期
页码:
235-243
栏目:
农业工程与信息技术
出版日期:
2025-12-05

文章信息/Info

Title:
SATYOLO：a lightweight detection model for rice diseases in complex environments
作者:
江俊辉; 龚程杰; 陈中举
长江大学计算机科学学院，湖北荆州 434000
Author(s):
Jiang Junhui; et al
关键词:
水稻; 病害检测; SAT-YOLO; 轻量化
Keywords:
-
分类号:
TP391.41；S435.11
DOI:
-
文献标志码:
A
摘要:
针对当前水稻病害检测模型在复杂环境下存在检测效率低、模型过大、速度过慢的问题，提出SAT-YOLO水稻病害轻量化检测模型，旨在提升模型检测精度的同时降低模型大小和计算复杂度。首先，设计了一种新的模块，把原C2f模块改进为C2f-SMSC模块，实现了检测精确度提升，并极大地减少了模型的参数量和计算量；其次，引入ADown下采样模块替代部分传统下采样模块，进一步实现精度增长的同时也降低了参数量和计算量；然后，更改目标检测头TADDH，使模型的参数量和计算量大幅度降低；最后使用损失函数D-Slid Loss进一步提高了检测的准确性。结果表明，建立的SAT-YOLO水稻病害检测模型能够对水稻病害进行有效检测，其平均精度均值mAP为88.2%，相比原YOLO v8n模型提高了1.2百分点。同时模型参数量降低了44%，模型体积减小了41%，模型大小仅3.7 MB，计算复杂度降低了6%。与其他主流检测模型相比，SAT-YOLO模型在检测精度、参数量、模型大小和计算复杂度等方面表现出显著优势。改进的SAT-YOLO轻量化模型不仅适应不同光照条件和水稻生长阶段的变化，而且更适配于嵌入式设备的部署，能更准确地识别复杂情况下的水稻病害，可为提高农业生产效率和保障粮食安全提供技术支撑。
Abstract:
-

参考文献/References:

［1］王伟莉，曾智良，龚文婷. 基于深度学习技术的农作物病虫害检测识别系统的研究［J］. 农业灾害研究，2024，14(4)：52-54.
［2］张淦，严海峰，胡根生，等. 基于深度学习语义分割和迁移学习策略的麦田倒伏面积识别方法［J］. 智慧农业(中英文)，2023，5(3)：75-85.
［3］王鹏新，田惠仁，张悦，等. 基于深度学习的作物长势监测和产量估测研究进展［J］. 农业机械学报，2022，53(2)：1-14.
［4］邓楠，方逵，李成. 改进YOLO v7的水稻叶片病害检测算法研究［J］. 中国农机化学报，2024，45(11)：196-201.
［5］Zhang K K，Wu Q F，Chen Y P. Detecting soybean leaf disease from synthetic image using multi-feature fusion faster R-CNN［J］. Computers and Electronics in Agriculture，2021，183：106064.
［6］杜娇娇. 基于目标检测的水稻病害识别方法研究［D］. 大庆：黑龙江八一农垦大学，2023：21-31.
［7］伏荣桃，王剑，陈诚，等. 基于深度学习的水稻稻曲病图像识别与分级鉴定［J］. 四川农业科技，2022(10)：35-40.
［8］庞超，王传安，苏煜，等. 基于改进YOLO v8n的水稻病害检测方法［J］. 内蒙古农业大学学报(自然科学版)，2024，45(2)：62-68.
［9］赵会鹏，曹景胜，潘迪敬，等. 改进YOLO v8算法的交通标志小目标检测［J］. 现代电子技术，2024，47(20)：141-147.
［10］周思捷，刘天奇，陈天华. 基于改进YOLO v5算法的水稻病害识别研究［J］. 中国农机化学报，2024，45(8)：246-253.
［11］王鹏，刘军清，李菁. 基于改进Soft-NMS的多实例行人检测算法［J］. 长江信息通信，2024，37(2)：79-81.
［12］丁士宁，姜明富. 基于改进FCOS的水稻叶片病害检测模型［J］. 江苏农业科学，2024，52(12)：232-238.
［13］张宏飞，冯永利，黄金凤. 改进YOLO v5的输送带缺陷检测［J］. 电子测量技术，2024，47(22)：161-168.
［14］周重位，叶笑，李朝山. 基于YOLO v8-HAT的货车视野盲区检测算法［J］. 交通科技与管理，2024(20)：25-28.
［15］Han K，Wang Y H，Tian Q，et al. GhostNet：more features from cheap operations［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Seattle：IEEE，2020：1577-1586.
［16］Howard A G，Zhu M L，Chen B，et al. Mobilenets：efficient convolutional neural networks for mobile vision applications［EB/OL］. arXiv preprint，(2017-05-17)［2024-10-30］. https://arxiv.org/abs/1704.04861.
［17］Wang C Y，Yeh I H，Mark Liao H Y. YOLO v9：learning what you want toLearn using programmable gradient information［C］// Computer Vision~ECCV 2024.Cham：Springer Nature Switzerland，2025：1-21.
［18］Tian Z，Shen C H，Chen H，et al. FCOS： Fully Convolutional One-Stage Object Detection［C］//2019 IEEE/CVF International Conference on Computer Vision(ICCV). Seoul，Korea：IEEE，2020.
［19］Yu Z P，Huang H B，Chen W J，et al. YOLO-FaceV2：a scale and occlusion aware face detector［J］. Pattern Recognition，2024，155：110714.
［20］Tong Z J，Chen Y H，Xu Z W，et al. Wise-IoU： bounding box regression loss with dynamic focusing mechanism［EB/OL］. arXiv preprint，(2023-01-24)［2024-10-30］. https://arxiv.org/abs/2301.10051.
［21］梁金幸，赵鉴福，周亚同，等. 基于改进YOLO v5s网络模型的火灾图像识别方法［J］. 传感器与微系统，2024，43(1)：157-161.
［22］马超伟，张浩，马新明，等. 基于改进YOLO v8的轻量化小麦病害检测方法［J］. 农业工程学报，2024，40(5)：187-195.
［23］李嘉诚，陈中举，许浩然. 基于改进YOLO v8n的真实场景下草莓病害检测方法［J］. 中国农机化学报，2024，45(12)：267-274.

相似文献/References:

[1]马旭俊,刘春娟,吕世博,等.绿色荧光蛋白基因在水稻遗传转化中的应用[J].江苏农业科学,2013,41(04):35.
[2]李岳峰,居立海,张来运,等.水分胁迫下丛枝菌根对水稻/绿豆间作系统 作物生长和氮磷吸收的影响[J].江苏农业科学,2013,41(04):58.
[3]崔月峰,孙国才,王桂艳,等.不同施氮水平和前氮后移措施对水稻产量 及氮素利用率的影响[J].江苏农业科学,2013,41(04):66.
[4]张其蓉,宋发菊,田进山,等.长江中下游稻区水稻区域试验品种抗稻瘟病鉴定与评价[J].江苏农业科学,2013,41(04):92.
[5]王麒,张小明,卞景阳,等.不同插秧密度对黑龙江省第二积温带水稻产量及产量构成的影响[J].江苏农业科学,2013,41(05):60.
　Wang Qi,et al.Effect of different transplanting density on yield and yield component of rice in second temperature zone of Heilongjiang Province[J].Jiangsu Agricultural Sciences,2013,41(23):60.
[6]张国良,张森林,丁秀文,等.基质厚度和含水量对水稻育秧的影响[J].江苏农业科学,2013,41(05):62.
　Zhang Guoliang,et al.Effects of substrate thickness and water content on growth of rice seedlings[J].Jiangsu Agricultural Sciences,2013,41(23):62.
[7]赵忠宝,朱清海.稻－蟹－鳅生态系统的能值分析[J].江苏农业科学,2013,41(05):349.
　Zhao Zhongbao,et al.Emergy analysis of paddy-crab-loach ecosystem[J].Jiangsu Agricultural Sciences,2013,41(23):349.
[8]杨红福,姚克兵,束兆林,等.甲氧基丙烯酸酯类杀菌剂对水稻恶苗病的田间药效[J].江苏农业科学,2014,42(12):166.
　Yang Hongfu,et al.Field efficacy of strobilurin fungicides against rice bakanae disease[J].Jiangsu Agricultural Sciences,2014,42(23):166.
[9]唐成,陈露,安敏敏,等.稻瘟病诱导水稻幼苗叶片氧化还原系统的特征谱变化[J].江苏农业科学,2014,42(12):141.
　Tang Cheng,et al.Characteristic spectral changes of redox homeostasis system in rice seedling leaves induced by rice blast[J].Jiangsu Agricultural Sciences,2014,42(23):141.
[10]万云龙.优质水稻—春甘蓝轮作高效栽培模式[J].江苏农业科学,2014,42(12):90.
　Wan Yunlong.Efficient cultivation mode of high quality rice-spring cabbage rotation[J].Jiangsu Agricultural Sciences,2014,42(23):90.
[11]陈藜韦,古丽娜孜·艾力木江,伊力亚尔·加尔木哈买提,等.基于改进Swin Transformer的番茄和水稻植株病害检测[J].江苏农业科学,2025,53(10):222.
　Chen Liwei,et al.Detection of tomato and rice plant diseases based on improved Swin Transformer[J].Jiangsu Agricultural Sciences,2025,53(23):222.

备注/Memo

备注/Memo:
收稿日期：2024-12-30
基金项目：中国高校产学研创新基金(编号：2023IT269)。
作者简介：江俊辉(2000—)，男，湖南常德人，硕士研究生，研究方向为计算机视觉。E-mail：1963185283@qq.com。
通信作者：陈中举，硕士，副教授，主要从事计算机网络、人工智能研究。E-mail：chenzj@yangtzeu.edu.cn。
更新日期/Last Update: 2025-12-05