基于TL-YOLOv13模型的番茄叶片病害检测算法OA

在番茄叶片的病害识别中,由于检测目标较小,且检测环境存在复杂背景干扰等问题,本文提出基于YOLOv13改进的TL-YOLOv13检测模型,传统YOLOv13模型在具备检测速度的同时,能对病斑区域实现高精度识别,精准度达到92.5%。模型在主干网络中引入CloFormer模块,增强模型的信息感知能力,将检测头替换为DyHead动态检测头,实现多特征自动化动态调整,从而提升病斑区域的检测能力。消融试验结果表明,优化后的模型在11890张图片的测试集中效果优秀,其平均精度mAP@50达到94.7%,且计算量也明显降低。本研究结果为农业病害识别提供了一种高效与鲁棒的技术支持,对番茄种植病害检测具有重要意义。