《Agronomy》：SSW-YOLO: An Enhanced YOLO11-Based Framework for Multi-Class Rice Disease and Pest-Induced Damage Detection
编辑推荐：
在复杂田间条件下，多类水稻病害与虫害损伤检测仍具挑战性。这些挑战包括目标尺度的显著变化、密集分布的小目标以及模糊边界。为克服上述困难，本研究提出了一种多类水稻病害与虫害损伤检测框架SSW-YOLO。该框架由YOLO11n衍生而来，以提升检测性能。首先，在骨干网
在复杂田间条件下，多类水稻病害与虫害损伤检测仍具挑战性。这些挑战包括目标尺度的显著变化、密集分布的小目标以及模糊边界。为克服上述困难，本研究提出了一种多类水稻病害与虫害损伤检测框架SSW-YOLO。该框架由YOLO11n衍生而来，以提升检测性能。首先，在骨干网络中引入SPDConv（空间到深度卷积），以在常规下采样过程中保留小尺度且密集分布的病斑特征。其次，在颈部网络中采用C3k2-SAConv（可切换空洞卷积），以自适应调整感受野，促进多尺度特征间的信息交换与融合。最后，采用WIoU v3（带动态非单调聚焦机制的边界框回归损失）替代原始CIoU损失，以对形态不规则、边界模糊的病斑实现更稳定的边界框回归。WIoU v3采用动态非单调聚焦策略，降低优化过程中低质量样本的影响并提升定位性能。在单次运行评估中，SSW-YOLO取得80.7%的精确率（Precision）、70.1%的召回率（Recall）和77.2%的mAP@0.5。相对于YOLO11n，相应提升分别为3.7、3.8和3.8个百分点。此外，SSW-YOLO具有4.18 M参数量，需10.4 GFLOPs计算量。上述结果表明，SSW-YOLO在所评估数据集上提升了多类水稻病害与虫害损伤检测性能，并在水稻病害精准识别与智能监测方面展现出潜力。
研究背景方面，水稻是全球重要作物，为全球超过50%的人口提供主要食物来源，预计到2030年全球水稻产量将达5.67亿吨，其稳产对保障粮食安全与经济增长具有重要意义。然而水稻在生长过程中易受多种病原侵染，每年可造成约10%–30%的产量损失，其中细菌性条斑病、稻曲病等主要病害严重影响产量与品质。传统病害识别依赖农户或专业人员田间巡查，效率低、耗时长，难以满足大规模种植区的检测需求；且水稻生长期间可受数十种病原侵染，不同病害在颜色、纹理、形态等视觉特征上存在相似性，人工识别易受主观经验影响而导致误判，进而引发不当施药与环境污染。基于机器学习的自动识别方法虽已广泛研究，如Shrivastava与Pradhan结合颜色特征与SVM（支持向量机）实现四类水稻病害分类并获得94.65%准确率，Lu等结合DBN（深度信念网络）与SPSO-SVM获得94.03%准确率，Wang等通过光谱波段选择结合SVM、随机森林与XGBoost实现稻瘟病早期识别，但这些方法强烈依赖人工设计特征，在光照变化、叶片遮挡、复杂背景与病斑尺度变化条件下特征表征能力有限，难以同时兼顾识别精度、病斑定位能力与检测效率。近年来深度学习逐步应用于水稻病害检测，Xu等构建LiSA-MobileNetV2，Pai等融合三个预训练模型，Nayak等开发可识别12种病害的Android应用并系统评估DenseNet、ResNet、VGG等11种卷积神经网络，Sudhesh等提出RCAMNet多任务框架在BLBVisionDB数据集上取得96.23%的白叶枯病严重度分类准确率，Lu等构建MobileNet–Transformer混合架构在六类水稻病害数据集上取得99.62%识别准确率。然而这些模型无法提供病斑空间位置信息，难以直接识别多个病斑目标，对早期与小病斑的特征提取能力有限，部分Transformer模型训练成本与计算复杂度高。两阶段检测器如Faster R-CNN（Bari等，各类别识别准确率均在98%以上）与Mask R-CNN（Alfred等用于稻瘟病病斑识别与严重度评估）检测性能强但计算成本高、推理速度低。一阶段检测器如YOLO系列兼顾速度与精度，Li等设计YOLO-DPD框架并开发智能检测系统，Pan等提出Xoo-YOLO用于航空视角白叶枯病检测，Deng等基于YOLOv5s与YOLOv7-Tiny构建六类水稻病虫害模型并部署于移动设备，Trinh等在YOLOv8中引入EIoU提升三类叶部病害定位精度并部署于边缘平台，Cheng等改进YOLOv7-Tiny引入注意力与卷积增强模块，Zheng等构建Paddy-YOLO，Li等构建TLI-YOLO引入注意力机制提升计算效率，Jin等提出YOLOv8-OW降低计算开销。但现有研究仍存在不足：一是多集中于叶片或穗部等单一部位，覆盖叶片、茎秆与穗部等多部位的病害检测研究有限；二是早期病斑通常小、密集且纹理特征不明显，常规下采样易造成局部细节丢失；三是固定感受野难以适应不同病斑类型间的尺度变化；四是病斑形状不规则、边界模糊且易受杂乱背景影响，常用边界框回归损失对不同质量样本的处理能力有限。
针对上述问题，研究人员开展了以下研究：在骨干网络中集成SPDConv模块替代标准步长卷积下采样，通过空间到深度转换与无步长卷积减少小目标特征在下采样中的信息损失；在颈部采用C3k2-SAConv，利用多分支感受野与自适应选择机制强化多尺度病斑特征提取与融合；采用WIoU v3进行边界框回归，其动态非单调聚焦策略依据样本离群度调整梯度增益，限制低质量样本在回归训练中的影响。研究得出结论：SSW-YOLO的精确率、召回率与mAP@0.5分别达80.7%、70.1%与77.2%，较YOLO11n分别提升3.7、3.8与3.8个百分点，参数量4.18 M、计算量10.4 GFLOPs。其意义在于为复杂田间条件下的多类水稻病害与虫害损伤检测提供技术支持，为水稻病害智能监测与精准病害管理提供潜在途径。
关键技术方法方面（不超过250字）：研究以YOLO11n为基线模型，在骨干网络第L1、L3、L5、L7层以SPDConv替代步长卷积层；在颈部以C3k2-SAConv替换原C3k2，其中Bottleneck-SA以SAConv（可切换空洞卷积）替换原Bottleneck的第二个标准卷积；以WIoU v3替代CIoU损失。实验在AutoDL云平台开展，采用五随机种子重复实验并报告均值±标准差，评价指标为精确率、召回率、AP与mAP。数据集来源方面，第一部分取自Paddy Doctor数据集，选取细菌性穗枯病（BPB）、细菌性条斑病（BLS）、黑茎螟（BSB）、白叶枯病（BLB）与稻铁甲虫（Hispa）五类样本；第二部分为稻曲病（RFS）图像，取自Kaggle公开的Rice Crop Diseases数据集（50张）并补充中国南方与西南地区水稻病虫害图像数据集（450张）；经筛选与预处理后构建含六类、3551张图像、5798个标注实例的数据集，按7:2:1随机划分，并另构建经相似性筛查的V3数据集（1987张）。
研究结果方面，2.1数据集制备与预处理：数据集来源于Paddy Doctor数据集与Kaggle公开数据集及中国南方与西南地区水稻病虫害图像数据集，覆盖叶片、茎秆与穗部等不同受害部位；经人工筛选去除重复与模糊图像、方向校正、保持长宽比自适应缩放至640×640像素并以黑色像素填充空白区域，使用Roboflow平台标注与版本管理；最终数据集含3551张图像与5798个标注实例，按图像级7:2:1随机划分为2486张训练、709张验证、356张测试；训练集统计显示类别分布不均衡，RFS与Hispa实例最多、BPB最少，边界框尺寸覆盖小、中、大尺度且长宽比变化大，多数目标位于图像中心附近。2.2 YOLO11概述：YOLO11由Ultralytics设计，支持检测、分割、分类与姿态估计，骨干网络集成C3k2与C2PSA注意力，检测头采用深度可分离卷积，有n、s、m、l、x五种变体，本研究基于模型规模与任务需求选择YOLO11n为基线。2.3改进模型SSW-YOLO：整体结构由骨干网络、特征融合网络与检测头三部分组成，骨干网络经卷积层与SPDConv渐进提取与下采样，再经C3k2、SPPF、C2PSA捕获增强多尺度语义表征，颈部进行双向多尺度特征融合并引入C3k2-SAConv增强跨尺度融合，回归阶段以WIoU v3替代CIoU。SPDConv模块通过切片操作将输入特征张量按间隔采样生成子特征图并在通道维拼接，再经1×1无步长卷积进行特征处理与通道调整，从而在分辨率下降时保留细粒度细节。C3k2-SAConv模块采用Split操作将输入分为两支，一支保留原始特征、另一支经多个Bottleneck-SA渐进捕获特征，再经Concat与1×1卷积整合通道；Bottleneck-SA以SAConv替换原Bottleneck第二个标准卷积，SAConv由SAC模块与两个全局上下文组件构成，Pre-Global Context以全局平均池化提取空间上下文并经1×1卷积重构跨通道特征与残差融合，SAC模块采用两个不同空洞率的3×3并行卷积分支，低空洞率分支捕获边缘与纹理等局部细粒度信息，高空洞率分支强调全局上下文线索，并通过平均池化与1×1卷积生成自适应权重动态融合两分支，Post-Global Context进一步整合局部细节与全局语义。WIoU v3损失方面，CIoU以长宽比表征形状差异且缺乏对不同质量样本的自适应梯度调整机制，WIoU v3结合重叠度、中心距离等几何线索与预测框离群度优化回归，通过距离注意力模块与动态非单调聚焦策略限制低质量样本影响、为普通质量样本分配更大梯度增益。3.1实验设置：模型以YOLO11n为基线，训练与测试在AutoDL云平台进行，所有实验采用相同软硬件条件与训练策略。3.2性能指标：采用精确率、召回率、AP与mAP四项指标，mAP@0.5为IoU阈值0.5下的mAP，mAP@0.5:0.95为IoU阈值0.5至0.95、步长0.05的平均mAP。3.3消融实验：以YOLO11n为基线评估三种模块的全部组合，每项实验以五个不同随机种子重复并以均值±标准差表示；基线精确率、召回率、mAP@0.5与mAP@0.5:0.95分别为76.98%、67.68%、73.52%与43.56%；引入SPDConv后四项指标分别提升1.72、0.40、1.22与1.34个百分点；引入C3k2-SAConv后精确率、mAP@0.5与mAP@0.5:0.95分别达80.46%、75.52%与45.34%，较基线提升3.48、2.00与1.78个百分点；两者结合后召回率达69.14%、mAP@0.5达75.80%；同时引入三模块后SSW-YOLO取得81.32%精确率、68.08%召回率、76.04% mAP@0.5与45.58% mAP@0.5:0.95，较YOLO11n提升4.34、0.40、2.52与2.02个百分点，mAP@0.5:0.95标准差仅0.26%，表明模型在五个随机种子下性能一致。3.4多模型对比评估：将SSW-YOLO与RT-DETR-L、YOLOv5n、YOLOv8n、YOLOv9-T、YOLOv10n、YOLO11n、YOLOv12n、YOLOv13n与YOLOv26n对比，随机种子固定为0单次运行，置信度阈值与NMS IoU阈值分别设为0.001与0.7；SSW-YOLO精确率、召回率、mAP@0.5与mAP@0.5:0.95分别为80.7%、70.1%、77.2%与45.5%，较YOLOv5n的mAP@0.5与mAP@0.5:0.95分别提升5.7与10.2个百分点，较RT-DETR-L参数量由32.00 M降至4.18 M、计算量由105.4降至10.4 GFLOPs；较YOLOv8n三项指标分别提升3.3、2.0与2.7个百分点，较YOLO11n的mAP@0.5与召回率均提升3.8个百分点，较YOLOv26n召回率与mAP@0.5分别提升6.9与7.6个百分点；训练曲线显示SSW-YOLO指标总体优于对比模型。3.5损失函数对比：在SPDConv+C3k2-SAConv结构不变条件下比较七种回归损失，UIoU精确率最高（82.3%），CIoU召回率最高（71%），GIoU的mAP@0.5:0.95最高（46.3%），WIoU v3取得最佳mAP@0.5（77.2%），精确率与召回率分别为80.7%与70.1%，较CIoU精确率与mAP@0.5分别提升2.3与0.9个百分点；三种WIoU变体对比中，WIoU v3精确率与mAP@0.5分别为80.7%与77.2%，较WIoU v1分别高1.5与0.1个百分点且均为三者最高，WIoU v1召回率与mAP@0.5:0.95分别高于WIoU v3达1.1与0.7个百分点，WIoU v2总体略低，综合考量最终选择WIoU v3。3.6各类别检测性能评估：类别对比显示SSW-YOLO对六类病害的mAP@0.5均高于基线，BLB、BLS、BPB、BSB、Hispa与RFS分别提升3.70、5.30、4.00、1.60、3.00与5.60个百分点，BLS在精确率、召回率与mAP@0.5上提升最均衡（8.40、6.30与5.30个百分点），BSB的mAP@0.5最高达90.40%，RFS召回率与mAP@0.5分别提升5.90与5.60个百分点但精确率下降2.50个百分点；总体精确率、召回率与mAP@0.5分别提升3.70、3.80与3.80个百分点。混淆矩阵对比显示BSB识别率最高达92.0%，BLS、BPB与Hispa识别率分别达84.0%、84.0%与80.0%，类别间混淆较低，RFS与Hispa识别率较基线分别提升8与5个百分点，多数类别被误判为背景的比例下降。3.7可视化实验：可视化评估中SSW-YOLO对BLB、Hispa、BSB与BPB的置信度分别为0.91、0.83、0.89与0.92，较YOLO11n分别高0.08、0.14、0.26与0.03，BLS样本两目标置信度为0.89与0.95，RFS最高目标置信度达0.78且检测目标数增加；在植被遮挡、光照变化、密集小目标与背景杂乱条件下SSW-YOLO仍能识别更多目标并获得更好定位。热图分析采用LayerCAM显示两模型均能关注六类病斑区域，但SSW-YOLO对细长病斑的注意力区域更完整、与病斑空间形状更一致，对密集小RFS目标感知更全面，对BLS更聚焦关键病斑区域。失败案例分析显示Hispa样本因病斑细长、尺度变化大与边界模糊出现重复检测与漏检，BPB样本最大预测置信度为0.2069，置信度阈值0.25时未能检测，降至0.20时可成功检测，降至0.10时保留置信度0.2069与0.1550两个候选框而产生重叠预测框。3.8重构数据集V3性能评估：采用SHA-256、解码像素比较、dHash、pHash与几何变换校验对原始3551张图像进行相似性筛查，按相似性分组划分构建含1987张图像的V3数据集（训练1391、验证397、测试199），SSW-YOLO与YOLO11n各以五个随机种子训练150个epoch，SSW-YOLO四项指标均优于YOLO11n，精确率与召回率分别提升3.56与0.68个百分点，mAP@0.5与mAP@0.5:0.95分别提升1.76与1.50个百分点，表明在更严格数据划分条件下模型仍保持改进的检测性能。
讨论部分总结：4.1模型改进与模块分析指出，SSW-YOLO精确率、召回率与mAP@0.5分别达80.7%、70.1%与77.2%，较基线提升3.7、3.8与3.8个百分点。五随机种子重复消融实验中，SPDConv通过将空间信息重排至通道空间减少常规下采样中局部细粒度信息损失，有助于保留小尺度与密集病斑的边界与纹理信息，但可能同时保留与病害无关的复杂背景信息，引入后mAP@0.5提升1.22个百分点、mAP@0.5:0.95提升1.34个百分点，参数量由2.591 M增至4.043 M、GFLOPs由6.4增至10.7。C3k2-SAConv主要提取与融合不同尺度病斑特征，单独引入后精确率、mAP@0.5与mAP@0.5:0.95由76.98%、73.52%与43.56%升至80.46%、75.52%与45.34%，但召回率由67.68%略降至67.60%。WIoU v3利用动态非单调聚焦调节不同质量回归样本的梯度增益，取得最佳mAP@0.5（77.2%）、精确率80.7%与召回率70.1%，但GIoU的mAP@0.5:0.95为46.3%高于WIoU v3的45.5%，WIoU v1的召回率与mAP@0.5:0.95亦高于WIoU v3，表明WiIoU v3并非在所有指标上最优，各评价指标间存在权衡；面向嵌入式边缘设备部署时，额外参数量与计算复杂度可能导致推理延迟与内存占用增加。4.2研究局限性指出，一是数据集在数据来源与类别分布上存在局限，样本采集受种植区域、光照条件、病害发生阶段、采集设备、时间、拍摄距离与角度等因素影响，Paddy Doctor数据集采集区域相对集中，跨区域样本覆盖有限，BPB、BLS与BLB样本数少于Hispa，不同数据源采集条件存在差异，模型泛化能力仍需在不同区域复杂场景中验证；尽管进行了相似性筛查并在V3数据集上验证，但因原始样本缺乏植株个体、视频序列、采集批次等信息，仍无法完全排除训练集、验证集与测试集间高相关的可能，或导致性能评估值偏高。二是模型在部分复杂场景仍存在漏检与重复检测问题，Hispa样本因边界模糊与目标细长可能产生多个重叠预测框或漏检，BPB样本因目标距成像设备较远、图像中面积较小并受叶片遮挡与背景噪声干扰，在默认置信度阈值下无法有效检测。未来将融合多区域、多类别、多阶段水稻病害图像，重点增加密集小目标、重叠遮挡病斑、光照变化与背景噪声等困难样本的数量与多样性，构建类别分布更均衡的数据集，并探索模型剪枝与量化等轻量化设计，开展边缘设备部署与验证以评估推理延迟、内存占用与性能，进一步提升SSW-YOLO的泛化能力与实际应用潜力。
研究结论翻译：在复杂田间条件下，多类水稻病害与虫害损伤检测面临诸多挑战，包括目标密集分布、目标尺度变化、边界模糊与背景杂乱。为克服这些问题，本文构建了基于YOLO11n的增强模型SSW-YOLO，旨在复杂背景下准确识别与定位多类水稻病害。模型的具体改进主要包括三方面：第一，在骨干网络中保留初始标准卷积层以获取初始图像特征，随后集成SPDConv替代原始步长卷积层，通过将空间信息重排至通道维，减少常规步长卷积下采样过程中小尺度病斑边界、纹理与空间细节信息的损失，有助于提升小目标特征提取与局部纹理表征；第二，以C3k2-SAConv替换颈部原有C3k2，该模块可根据输入特征自适应调节不同感受野分支的响应，融合局部细节与多个感受野的上下文线索，从而缓解尺度变化、目标遮挡与复杂背景干扰下固定感受野特征提取不足的问题；第三，采用WIoU v3进行边界框回归，其动态非单调聚焦策略限制训练中低质量样本的影响，从而提升复杂背景条件下的边界框回归性能。对比实验表明，SSW-YOLO的精确率、召回率与mAP@0.5分别达80.7%、70.1%与77.2%，较YOLO11n分别提升3.7、3.8与3.8个百分点，说明SSW-YOLO取得了更好的水稻病害整体检测性能。消融实验表明，SPDConv、C3k2-SAConv与WIoU v3分别在局部细节保留、跨尺度特征整合与边界框回归优化方面对模型性能作出贡献；五个不同随机种子的重复实验进一步表明模型在不同随机初始化下保持一致的检测性能。对不同类型检测结果、混淆矩阵与LayerCAM热图的可视化分析表明，SSW-YOLO在尺度变化、目标密集分布、边界模糊与复杂背景下能更有效捕获水稻病害相关特征；同时，相对于多种代表性检测器，SSW-YOLO在召回率与mAP@0.5方面表现更优，并保持有竞争力的精确率。相对于YOLO11n，SSW-YOLO参数量由2.591 M增至4.187 M，计算成本由6.4 GFLOPs增至10.4 GFLOPs，表明检测性能的提升伴随一定的计算代价。总之，SSW-YOLO能够在所评估数据集上有效识别与定位多类水稻病害与虫害损伤，为水稻病害智能监测与精准病害管理提供了潜在途径；然而其在不同区域田间数据集上的泛化能力仍需进一步验证，未来工作将在不同区域与复杂采集条件下进一步验证模型，并探索轻量化模型设计与边缘设备部署以提升模型泛化能力与部署潜力。
