基于改进YOLOF的葡萄叶片黑腐病检测方法研究薛雅曹洪武王宇航（塔里木大学信息工程学院，新疆阿拉尔843300）摘要葡萄在生长过程中易感染各种病害，导致产量和品质下降，对病害的准确识别是防治病害的基础和关键。本文提出了一种基于YOLOF的改进算法，将EfficientNet网络应用于YOLOF算法的主干网络，对葡萄叶片黑腐病病害进行检测。结果表明：改进后的算法识别黑腐病病害的准确率达89.4%，较原YOLOF算法提升了3.1个百分点，为检测葡萄叶部病害提供了一种新的思路。关键词YOLOF；EfficientNet；葡萄叶片；黑腐病；检测方法中图分类号S436.5文献标识码A文章编号1007-5739（2023）07-0091-04DOI：10.3969/j.issn.1007-5739.2023.07.027开放科学（资源服务）标识码（OSID）：DetectionMethodforGrapeLeafBlackRotDiseaseBasedonImprovedYOLOFXUEYaCAOHongwuWANGYuhang(CollegeofInformationEngineering,TarimUniversity,AlarXinjiang843300)AbstractGrapeiseasytobeinfectedwithvariousdiseasesinthegrowthprocess,resultinginthedeclineofyieldandquality.Theaccurateidentificationofdiseasesisthebasisandkeytothepreventionandcontrolofdiseases.ThispaperproposedanimprovedEfficientNetalgorithmbasedonYOLOF.ThenetworkEfficientNetwasappliedtothebackbonenetworkofYOLOFalgorithmtodetectgrapeleafblackrotdisease.Theresultsshowedthattheaccuracyoftheimprovedalgorithmreached89.4%,whichwas3.1percentagepointshigherthanthatoftheoriginalYOLOFalgorithm.Theexperimentalresultsprovideanewideafordetectinggrapeleafdisease.KeywordsYOLOF;EfficientNet;grapeleaf;blackrotdisease;detectionmethod葡萄是常见的水果之一，在我国产量丰富。近年来，由于环境因素的影响，葡萄植株易感染各种病害[1]，如霜霉病、黑腐病、褐斑病等。这些病害常发生在葡萄的叶片部位，因而又叫葡萄叶片病害。通常葡萄叶片染病后，会导致光合作用受到影响，进而降低葡萄植株的产量。因此，葡萄叶片病害的高效识别是开展葡萄病虫害防治的基础和关键[2]。近年来，许多研究者提出了大量关于葡萄病虫害防治的研究方法，主要包括两大类：一类是基于手工提取特征[3]的病虫害防治方法，另一类是基于卷积神经网络[4]的病虫害防治方法。在传统农作物病害防治方式下，农民常依据人工种植经验对病害进行主观判断，从而进行病害识别和防治。然而，这一识别方式具有较强的主...
