《Physiological and Molecular Plant Pathology》：Improved YOLOv8n rice leaf disease detection method for small scale disease spot recognition
编辑推荐：
摘要水稻病害早期病斑往往不易察觉、蔓延迅速且具有复杂的空间分布特征，对区域粮食安全构成严重威胁。针对复杂田间背景下小型病斑检测不准确、漏检和误检等问题，本研究提出了一种改进的水稻病害检测模型：YOLOv8n-CA-Spatial。首先，在特征提取阶段引入多尺度空洞卷积（MDC
摘要
水稻病害早期病斑往往不易察觉、蔓延迅速且具有复杂的空间分布特征，对区域粮食安全构成严重威胁。针对复杂田间背景下小型病斑检测不准确、漏检和误检等问题，本研究提出了一种改进的水稻病害检测模型：YOLOv8n-CA-Spatial。首先，在特征提取阶段引入多尺度空洞卷积（MDC）模块，以扩展感受野并增强模型对多尺度病斑特征的捕捉能力。其次，嵌入坐标注意力（CA）机制，有效缓解常规卷积在提取细长水稻叶片和小型病斑特征时常见的空间位置信息丢失问题。最后，引入基于CIoU的边界框回归与用于分类的Focal Loss相结合的联合优化策略，以提升模型鲁棒性，尤其是在类别不平衡和难易样本分布不均的条件下。实验结果表明，所提模型在一种多类别水稻病害数据集上达到了0.901的
mAP@0.5，将典型病害的F1分数提升至0.911，同时在桌面级GPU上保持了每张图像1.3毫秒的有竞争力推理时间。与现有主流网络相比，所提方法在保持轻量级特性的同时显著提升了检测性能。这表明该模型未来部署于边缘计算设备具有理论潜力，有助于实现快速病害检测与防控策略，并提供一种关键的AI驱动表型工具来监测
体内早期病害症状，从而为更广泛的寄主-病原互作研究和靶向植物防御研究提供宏观工程基础。
各章节摘要
引言
精准农业旨在通过数据驱动的监测和决策系统来提高作物产量、资源利用效率和生态可持续性[1]。鉴于水稻是全球主要粮食作物，其整个生长周期的有效病害防控对区域粮食安全至关重要[2]。具体而言，在中大型灌溉区的集约化种植条件下，高密度的种植和潮湿的环境条件为严重病害的
体内表型数据采集与数据集构建
本研究构建了一个面向复杂田间场景的水稻叶片病害图像数据集，命名为riceleaf-disease-10（RLD-10）。该数据集包含10个类别，包括健康样本和常见病害/症状：稻瘟病（Pyricularia oryzae）、纹枯病（Rhizoctonia solani）、褐斑病（Bipolaris oryzae）、绵腐病（Sclerophthora macrospora）、伪黑穗病（Ustilaginoidea virens）、稻细菌性条斑病（Xanthomonas oryzae pv. oryzae）、细菌性叶条斑（
模型评估指标
为全面评估病害识别模型的性能，建立了一个多维定量评估框架。该框架包含三个核心指标类别。第一，检测精度方面：召回率（R）衡量病害样本检测的覆盖率，精确率（P）评估预测结果的正确性，F1分数提供精确率和召回率的调和平均以平衡二者。第二，平均精度均值（
mAP@0.5）
讨论
所提出的YOLOv8n-CA-Spatial模型在专有水稻病害数据集上达到了0.901的mAP@0.5。这一性能表现明显优于基线模型和其他主流轻量级框架，证明了所提出架构改进的有效性。
首先，该机制的有效性从根本上源于水稻叶片感染的生物学和生理学特征。在生理学上，诸如Xanthomonas等病原体的
结论
为克服复杂田间环境下水稻病害检测所面临的挑战——具体包括微弱的病害特征、细长的叶片形态和严重的背景干扰——本研究提出了一种轻量高效的目标检测框架，命名为YOLOv8n-CA-Spatial。该架构将多尺度空洞卷积模块和坐标注意力机制直接嵌入主干网络。这种协同设计有效地扩展了感受野
CRediT作者贡献声明
方文波：撰写——审阅与编辑、软件、项目管理。许一凯：撰写——审阅与编辑、撰写——原始稿件、方法学、数据整理、概念化。王超：验证、调查、资金获取、数据整理。关凡春：资源、项目管理、形式化分析。刘宇恒：可视化、调查、数据整理。郭永刚：可视化、监督、项目管理。杨阳：撰写——审阅与编辑、验证，
伦理标准遵循
本工作不涉及任何人类和动物受试者的研究。
资助
本工作由中国科学院战略性先导科技专项（中国）（XDA28110100）资助。
利益冲突声明
? 作者声明不存在已知的可能影响本文所述工作的竞争财务利益或个人关系。
致谢
作者感谢审稿人提出的宝贵意见和建议，这些意见和建议有助于提升本手稿的质量。
许一凯目前是西藏农牧大学水利与土木工程学院的硕士研究生。他于2024年获得哈尔滨师范大学计算机科学学士学位。其研究兴趣集中在计算机视觉、深度学习及其在农业图像分析中的应用。
许一凯|方文波|关凡春|王超|郭永刚|刘宇恒|杨阳
西藏农牧大学水利与土木工程学院，西藏 林芝，邮编 860000，中国
