文摘番茄是中国重要的经济作物之一,为解决番茄叶片病害在多类别、小目标、不同环境状况下检测精度不高的问题,研究提出ADD-YOLOv10n目标检测模型。首先对YOLOv10n主干网络进行改进,将可变核卷积(alterable kernel convolution,AKConv)融入主干网络,替换掉第二层的Conv,突破传统卷积局限于固定窗口和固定采样形状的限制。在主干末尾加入DAttention注意力机制,添加可变形注意力和动态采样点,动态选择、重点识别番茄叶片病害集中的区域。最后将最邻近上采样算子优化为DySample算子,不增加额外大量的计算量和参数,降低计算复杂度。经过对比实验,可以看到ADD-YOLOv10n模型的平均精度均值(mean average precision,mAP)达到71.8%,比YOLOv10n原模型高2.4%,准确率(precision,P)、召回率(recall,R)和F1分数分别为71.9%、68.3%和70.1%,比YOLOv10n原模型分别高2.4%、4.4%和3.5%,并且参数数量、模型大小和计算复杂度都有所下降。研究改进的ADD-YOLOv10n模型,能够更好地满足实际农业生产中对番茄叶片病害的实时精准检测,也为后续的智能浇灌、病害修复等农业自动化操作提供技术支持。
