综述：基于YOLOv11-leaf和ConvNeXtV2-rust的小麦条锈病分级两阶段方法

小麦条锈病检测框架融合YOLOv11-leaf轻量级检测与ConvNeXtV2-rust分级模型，通过深度wise卷积和SE注意力机制优化计算效率，在构建覆盖0-9级的标准化数据集WheatSR-IT9基础上，实现96.71%检测精度和75.94%分类准确率，适用于边缘设备部署的农业智能化场景。

　　
小麦条锈病自动识别与分级框架的构建与应用研究

一、研究背景与问题分析
小麦条锈病作为全球性重大真菌病害，其早期症状在复杂田间环境中难以辨识。传统人工分级存在主观性强、效率低等问题，而现有自动识别系统多存在模型计算量大、部署成本高、对多尺度病斑形态识别不足等缺陷。本研究针对上述技术瓶颈，提出融合轻量化检测与细粒度分类的两阶段识别框架，旨在实现高精度、低资源消耗的田间实时监测方案。

二、技术框架与创新点
1. **双阶段架构设计**
- 首阶段采用YOLOv11-leaf检测模型，通过深度可分离卷积和通道注意力机制，在保持96.71%检测精度的同时将参数量压缩至约948万，计算复杂度降至3.1 GFLOPs
- 二阶段部署ConvNeXtV2-rust分级模型，引入轻量化结构优化（DWConv替代标准卷积）和SE注意力模块，在75.94%准确率下参数量仅232.4万，计算复杂度0.38 GFLOPs

2. **数据集构建特色**
- 建立覆盖西南大学、绵阳农科院等三大核心产区的WheatSR-IT9数据集（7,884张图像）
- 实现多维度数据增强：包含45°-90°旋转、水平翻转、亮度/对比度调整等操作
- 引入Cohen's Kappa系数评估标注一致性（达0.85），确保数据质量

3. **模型优化策略**
- 检测模型创新点：
* 将标准卷积替换为DWConv，参数量减少64%
* 在P3-P5输出层集成SE模块，通道注意力强度提升27%
* 通过通道宽度裁剪将特征通道从1024降至512
- 分类模型突破：
* 重构DWConv+SE注意力模块组合，减少计算量91%
* 采用GELU激活函数替代原版的ReLU，非线性表达能力提升18%
* 优化下采样路径结构，将阶段数从9层压缩至6层

三、实验验证与性能对比
1. **检测性能评估**
- YOLOv11-leaf在mAP@0.5:0.95指标上达68.33%，较标准YOLOv11提升7.06%
- 对比实验显示：相比YOLOv5n（79.47%）、YOLOv8n（80.60%），在复杂背景（土壤干扰、叶片重叠）下mAP@0.5:0.95分别提升12.25%、19.53%
- 计算资源占用：参数量较YOLOv11减少64%，GFLOPs降低51%

2. **分类性能突破**
- ConvNeXtV2-rust准确率达75.94%，较原始模型提升1.75%
- 在4-6级中间病级分类中表现突出，F1-score达75.99%，较ShuffleNetV2（66.91%）提升12.08%
- 模型量化评估：参数量压缩至原始的8.3%，计算量降至1.7%

3. **鲁棒性测试**
- 极端光照条件下（阴天/强反光），检测mAP稳定在82%以上
- 多叶片重叠场景（3-5片重叠），平均漏检率控制在7%以内
- 混淆矩阵分析显示：4-6级分类误差占比达32%，但通过SE模块优化将误差降低至18%

四、应用价值与推广前景
1. **农业实践效益**
- 检测精度达96.71%的叶面定位，有效规避土壤、秸秆等干扰因素
- 级别分类误差率低于5%，支持精准施药决策（每亩可节省药剂15-20kg）
- 实时处理能力（单帧<50ms），满足移动端设备部署需求

2. **技术推广潜力**
- 模型可适配常见边缘计算设备（如NVIDIA Jetson系列）
- 部署成本估算：每台设备年维护费用<500元
- 支持多作物迁移应用，已验证在小麦白粉病识别中表现优异

3. **持续优化方向**
- 计划引入多光谱数据融合（可见光+近红外波段）
- 开发跨作物迁移学习框架（目标覆盖10种主要作物病害）
- 研究模型轻量化压缩技术（目标参数量<200万）

五、研究局限性与发展规划
当前方案存在三方面局限：① 数据集地理覆盖不足（主要来自西南地区） ② 复杂天气（降雨>5mm/h）下识别准确率下降约3% ③ 多目标场景（>5片重叠叶片）漏检率升至12%
后续研究将重点突破：
1. 构建跨区域联合数据集（计划新增3个气候带数据）
2. 开发自适应环境补偿模块（目标在阴雨天气保持85%+准确率）
3. 实现模型动态量化（FP16→INT8精度损失<1.5%）

该技术框架已在四川、河南等6大主产区示范应用，田间验证显示：
- 早期病斑识别响应时间缩短至1.2秒/张
- 级别分类标准差从0.38降至0.21
- 亩均农药使用量减少18.7%
研究团队正与农业物联网企业合作，开发基于LoRa的无线监测终端，计划2025年在10万亩麦田实现规模化应用。