DFR-YOLOv12n：一种通过细节保持下采样、特征融合增强与回归优化实现自然环境番茄叶片病害轻量化检测的方法

《Horticulturae》：DFR-YOLOv12n: A Lightweight Detection Method for Tomato Leaf Diseases in Natural Environments via Detail-Preserving Downsampling, Feature Fusion Enhancement, and Regression Optimization

　　

自然环境下的番茄叶片病害检测面临早期症状细微、背景复杂、叶片遮挡及尺度变化等挑战，易导致漏检、误检及叶片定位不稳定等问题，同时实际应用对模型轻量化及边缘部署能力提出更高要求。为此，研究人员提出基于YOLOv12n的轻量化番茄叶片病害检测模型DFR-YOLOv12n，集成了细节保持下采样、特征增强与回归优化。首先构建并整理自然环境下的多源数据集，涵盖细菌性斑点病、早疫病、晚疫病、叶霉病、花叶病毒病、壳针孢叶斑病、黄化曲叶病毒病及健康叶片共八类。其次在关键下采样层引入空间到深度卷积（SPDConv）以保留细粒度病害相关视觉线索；在P3特征融合分支加入A2C2f_DEConv模块以增强复杂背景下叶片纹理及病害相关外观特征；采用多点距离交并比（MPDIoU）优化边界框回归，改善遮挡及背景干扰下的整叶定位。通过插入位置、模块对比及消融实验确定最优配置。相较于基线模型，DFR-YOLOv12n的精确率（Precision）、召回率（Recall）及mAP@0.5分别从86.8%、76.9%、86.5%提升至88.1%、81.7%、88.6%；浮点运算数（FLOPs）从5.83 G降至5.27 G，参数量从2.51 M降至2.25 M，模型大小从5.22 MB降至4.71 MB。该模型成功在Jetson Nano平台部署验证，显示其边缘应用潜力。结果表明DFR-YOLOv12n在检测精度、模型复杂度与部署可行性间取得良好平衡，为自然环境智能番茄叶片病害检测提供参考。

论文《DFR-YOLOv12n: A Lightweight Detection Method for Tomato Leaf Diseases in Natural Environments via Detail-Preserving Downsampling, Feature Fusion Enhancement, and Regression Optimization》发表在《Horticulturae》。研究背景方面，番茄是全球重要蔬菜作物，生长期病害频发且蔓延迅速，若不及时识别管理会导致产量与品质下降，早期准确诊断至关重要。自然田间条件下病害表现高度可变，早期病征具尺度小、纹理弱、边界模糊特点，加之叶片重叠、光照变化、阴影及杂草背景干扰增加识别难度；传统人工检查依赖经验、效率低、主观性强且难以标准化扩展。传统基于阈值分割、边缘检测等方法在复杂自然场景下鲁棒性有限，难以捕捉多病害间的细粒度差异。深度学习卷积神经网络虽显著提升农业视觉任务性能，但现有高精度方法常依赖复杂结构引入额外计算开销，轻量化方法又常在复杂场景下损失精度，尤其在微小目标、遮挡及杂乱背景下漏检误检增加。早期病征细微易在下采样中衰减，重叠叶片及背景干扰亦影响边界框回归质量与定位稳定性，因此在轻量化框架内同时保持细粒度细节、加强多尺度特征融合及改善定位质量成为亟待解决的挑战。

研究人员以YOLOv12n为基线提出轻量化模型DFR-YOLOv12n，从细节保持下采样、特征增强及边界框回归优化三方面协同改进，通过插入位置实验、模块对比及消融实验验证各组件有效性并确定最优配置，模型在Jetson Nano B01开发板部署验证支持图像、视频及摄像头检测，在检测精度、复杂度与部署可行性间取得平衡，为自然环境番茄叶片病害智能检测提供参考。

关键技术方法方面，研究人员构建并整理含PlantVillage、PlantDoc、Roboflow番茄病害数据集及Dataset of Tomato Leaves四来源的多源自然环境下番茄叶片病害数据集，共12755张图像涵盖八类别，采用LabelImg手动标注为YOLO格式并以整片可见叶为检测目标，按8:1:1分层随机抽样划分训练、验证、测试集，训练集施以随机翻转、缩放、平移、仿射、加噪、模糊及光照调整等在线数据增强。网络架构在YOLOv12n基础上于骨干深层P4与P5特征层对应下采样阶段引入空间到深度卷积（SPDConv）替代部分跨步卷积，于检测头P3特征融合分支引入A₂C₂f_DEConv模块（基于A2C2f架构替换常规卷积为差分卷积DEConv，含中心差分卷积CDC、水平HDC、垂直VDC及角度差分卷积ADC并可重参数化），并采用多点距离交并比（MPDIoU）替换原始边界框回归损失。训练硬件为Intel Xeon Gold 6248 CPU与NVIDIA GeForce RTX 3080 Ti GPU，软件环境CUDA 11.8、PyTorch 2.1.2、Python 3.11.13，输入640×640，批次16，训练300轮，初始学习率0.01，权重衰减0.005，启用自动混合精度；边缘部署采用Jetson Nano B01（JetPack 4.6.1、TensorRT 8.2.1、Python 3.6.9 MAXN模式），模型导出ONNX并转为FP16 TensorRT引擎评估时延与吞吐量。

研究结果部分，各小节内容及结论如下。

4.1. Ablation Experiments（消融实验），研究人员以YOLOv12n为基线逐步引入SPDConv、A₂C₂f_DEConv、MPDIoU及组合构型进行消融，结果显示单一引入SPDConv在提升Precision至87.0%、Recall至77.5%、mAP@0.5至86.9%、mAP@0.5:0.95至71.0%的同时降低FLOPs至5.44 G、参数量至2.26 M、模型大小至4.76 MB；单一引入A₂C₂f_DEConv提升Precision至87.2%、Recall至78.2%、mAP@0.5至87.0%、mAP@0.5:0.95至70.8%且FLOPs降至5.66 G、FPS升至638.45；单一替换MPDIoU提升Precision至87.3%、Recall至78.8%、mAP@0.5至87.3%、mAP@0.5:0.95至70.8%且不增加结构与计算量；联合SPDConv与A₂C₂f_DEConv的Model 4达Precision 87.7%、Recall 79.1%、mAP@0.5 87.0%、FLOPs 5.27 G、参数量2.25 M、模型大小4.71 MB、FPS 647.21但mAP@0.5:0.95为70.4%；集成三改进的DFR-YOLOv12n达最高Precision 88.1%、Recall 81.7%、mAP@0.5 88.6%、FPS 648.16，mAP@0.5:0.95为70.7%，较基线全面提升精度并降低复杂度与提升速度。

4.2. Comparison Experiments of SPDConv Located at Different Positions（SPDConv不同插入位置对比实验），研究人员将SPDConv分别置于全网络、骨干所有下采样、仅颈（Neck）、骨干后段P4/P5与颈联合及本文选定骨干深层P4/P5阶段进行对比，结果显示全局置入虽降至FLOPs 5.39 G、模型大小4.57 MB但mAP@0.5降至85.2%、mAP@0.5:0.95降至69.8%；全骨干置入mAP@0.5降至84.5%、mAP@0.5:0.95降至69.7%且FLOPs增至8.00 G；仅颈置入达mAP@0.5 87.2%、mAP@0.5:0.95 70.9%、FLOPs 5.70 G、模型大小5.03 MB；骨干P4/P5与颈联合mAP@0.5 86.6%、mAP@0.5:0.95持平70.5%、FLOPs 5.31 G、模型大小4.56 MB；本文选定骨干深层P4/P5阶段达mAP@0.5 86.9%、最高mAP@0.5:0.95 71.0%，FLOPs 5.44 G、模型大小4.76 MB，在精度、复杂度与存储间平衡更优故被选用。

4.3. Comparison Experiments of Different Feature Extraction Modules（不同特征提取模块对比实验），研究人员以含SPDConv的Model 1为基，对比HWD、SCConv、C3RFEM与A₂C₂f_DEConv，结果显示HWD提Recall至78.3%、mAP@0.5至87.0%、FLOPs至5.31 G、模型大小4.56 MB但mAP@0.5:0.95降至70.7%、FPS降至440.48；SCConv降FLOPs至5.27 G、模型大小4.71 MB但各项精度低于Model 1；C3RFEM增FLOPs至5.48 G、模型大小4.77 MB、Precision最高89.1%但Recall、mAP及FPS更低；A₂C₂f_DEConv达Precision 87.7%、Recall 79.1%、mAP@0.5 87.0%、mAP@0.5:0.95 70.4%、FLOPs 5.27 G、模型大小4.71 MB、最高FPS 647.21，在精度、轻量与实时性间权衡最佳故被选入DFR-YOLOv12n。

4.4. Comparison Experiments of Different IoU Loss（不同IoU损失对比实验），研究人员以含SPDConv与A₂C₂f_DEConv的Model 4（默认CIoU）为基，对比EIoU、SIoU、DIoU、GIoU、ShapeIoU、Inner-CIoU、Focaler-CIoU与MPDIoU，结果显示DIoU达最高mAP@0.5:0.95 71.2%（较MPDIoU高0.5%），MPDIoU达最高mAP@0.5 88.6%（较DIoU高0.6%）；因本研究聚焦整叶检测分类而非精确病斑边界勾画，以mAP@0.5为主要准则故选用MPDIoU。

4.5. Comparison Experiments of Various Object Detection Models（多种目标检测模型对比实验），研究人员在相同数据与训练条件下对比YOLOv5n、YOLOv7-tiny、YOLOv8n、YOLOv9-tiny、YOLOv10n、YOLOv11n、YOLOv12s、YOLOv12m、YOLOv26n与DFR-YOLOv12n，结果显示YOLOv5n至YOLOv11n的mAP@0.5为85.1%至87.2%、mAP@0.5:0.95为67.5%至70.0%，YOLOv10n最高但需8.24 G FLOPs，YOLOv26n降至5.40 G FLOPs、mAP@0.5 86.4%、mAP@0.5:0.95 69.9%，YOLOv12s/m提mAP@0.5:0.95至71.7%/72.4%但算力存储剧增；DFR-YOLOv12n达最高mAP@0.5 88.6%、mAP@0.5:0.95 70.7%，参数量2.25 M、FLOPs 5.27 G、模型大小4.71 MB，较YOLOv26n提mAP@0.5 2.2%、mAP@0.5:0.95 0.8%且降参数量0.15 M、FLOPs 0.13 G、大小0.34 MB，在纳米级复杂度下兼顾最高mAP@0.5与精度算力平衡。

4.6. Visualization of Detection Results（检测结果可视化），研究人员选取含多尺度病斑、复杂背景、密集目标的代表性自然场景图像与主流YOLO系列可视化对比，显示在早疫病与晚疫病样本中他模型存漏检或错分而DFR-YOLOv12n定位更准确边界框覆盖更完整；在壳针孢叶斑病与黄化曲叶病毒病密集遮挡强干扰样本中他模型有不同程度误检漏检而DFR-YOLOv12n检出更多有效叶并抑制冗余框；在叶霉病与花叶病毒病病征弱难分背景样本中他模型易将背景判为病叶或定位不全而DFR-YOLOv12n维持较准检测；在细菌性斑点病中小尺度稀疏病叶样本中也更稳定，表明其在复杂背景、细微病征、重叠与尺度变化下有效降误检漏检，具强细粒度特征表示与抗干扰能力及实际适用性。

4.7. Edge Device Deployment Experiment（边缘设备部署实验），研究人员在Jetson Nano B01统配下将YOLOv12n与DFR-YOLOv12n转ONNX及FP16 TensorRT引擎评估，结果显示DFR-YOLOv12n较YOLOv12n降FLOPs 9.6%、参数量10.4%、模型大小9.8%；平均端到端时延124.599 ms（降10.4%），P95时延130.132 ms（降14.9%），端到端吞吐由7.191 FPS升至8.054 FPS（升12.0%），峰值共享内存由3165 MB降至3122 MB；系统实现支持静态图、视频及USB摄像头输入的图形界面，可显示类别、边界框、置信度、推理时间与帧率并依结果输出防控建议及保存结果，验证模型可在Jetson Nano执行三类输入并在复杂度、时延、吞吐与内存上具更优部署效率与农业受限资源应用可行性。

讨论部分总结，研究人员指出自然条件番茄叶病检测瓶颈来自细微病征、遮挡、复杂背景与光照变化联合作用而非单因素，性能提升依赖细节保持、特征表示与定位回归多瓶颈协同缓解而非单模块局部增强，消融实验三组件互补联合配置总体最优与此一致。轻量化改进本质是在固定计算预算下通过关键结构针对性优化提升特征利用效率以兼顾精度、复杂度与部署成本，而非单纯堆复杂模块或仅减参数，DFR-YOLOv12n在低参量低FLOPs紧凑大小下达较好检测性能并在Jetson Nano部署验证边缘迁移可行性，与LT-YOLO、GAE-YOLO等趋势吻合。研究虽建多源自然场景数据集并在复杂适应性与边缘部署上验证具应用潜力，但仍缺完全独立外部数据集系统性验证跨区域跨设备泛化能力，部署仅验运行可行性而未深析长期稳定性、功耗与边缘资源使用等工程指标，未来可结合跨数据集评估、剪枝、量化、蒸馏并与移动终端、温室监控或田间巡检系统集成以提升实用性。

结论部分原文翻译为：本研究提出DFR-YOLOv12n以在保持轻量架构下改善自然条件番茄叶片病害检测。通过在关键下采样阶段集成SPDConv、在P3分支集成A₂C₂f_DEConv及采用MPDIoU进行边界框回归，模型强化了细节保持、特征表示与定位。相较基线YOLOv12n，DFR-YOLOv12n的精确率、召回率与mAP@0.5分别从86.8%、76.9%、86.5%提升至88.1%、81.7%、88.6%；并将FLOPs、参数量与模型大小分别从5.83 G、2.51 M、5.22 MB降至5.27 G、2.25 M、4.71 MB。在Jetson Nano上的部署支持图像、视频与实时摄像头输入，平均时延降低10.4%，吞吐提升12.0%。这些发现表明在所评估的数据集与设备条件下，DFR-YOLOv12n在检测精度、计算成本与边缘部署可行性间取得平衡。未来工作将考察跨数据集泛化、模型压缩及与实际农业监测系统整合。