来源：期刊VIP网 时间：
作者：乔世成;赵晨雨;白明宇;党珊珊;潘春宇;张明月;
单位：内蒙古民族大学计算机科学与技术学院;中国联合网络通信有限公司通辽市分公司;
摘要：农作物病害是指由病原体、环境因素或营养失衡引起的植物疾病。以YOLO系列算法为代表的农作物病害检测模型利用计算机视觉和深度学习技术，可以自动识别和分类农作物病害，以达到提高农业生产效率的目的。首先，本文概述了YOLO算法历代版本的演进过程，重点分析其在叶片与果实病害检测中的创新应用，包括多尺度特征融合（BiFPN、RepFPN）、轻量化网络（GhostNetV2、GSConv）及注意力机制（CBAM、EMA）等改进策略；其次，针对该领域所面临的挑战进行了总结，如复杂环境适应性不足、小目标特征提取难度大、小样本标注成本高等；最后，对未来研究方向进行了展望，为农作物病害检测技术的进一步发展提供参考，以提升农作物病害检测的智能化与普适化水平。
关键词：YOLO算法;;农作物病害检测;;复杂背景;;小目标;;小样本
基金资助：国家自然科学基金项目(62162049);; 内蒙古民族大学博士科研启动资金项目(BS658);; 人兽共患病自治区高等学校重点实验室开放基金项目(MDK2022019)
