基于 YOLOv11 的水稻病虫害检测

刘 趁心
安徽师范大学皖江学院电子信息学院

摘要

本研究旨在开发基于 YOLOv11 算法的水稻病虫害智能检测系统，以应对农业生产中病虫害识别效率低、实时性
不足的问题。针对复杂稻田场景中病虫害目标尺度多变、背景干扰强的特点，采用 YOLOv11 结合 OpenCV 构建实时检测
框架，可精准识别常见害虫成虫、幼虫、病斑特征等多类目标。实验表明，系统在保持 130FPS 实时性的同时，平均检测精
度达到 94.2%，为农林病虫害的早期预警与精准防治提供了智能化解决方案。

关键词

YOLOv11；目标检测；农林病虫害；自动检测

参考

[1] 李浩 . 基于多尺度特征增强与特征融合的水稻害虫

检测和识别 [D]. 南昌：江西农业大学 ,2022.

[2] 徐红星 , 杨亚军 , 郑许松 , 等 . 二十一世纪以来我国

水稻害虫治理成就与展望 [J]. 应用昆虫学报 , 2019, 56(06):

1163-1177.

[3] 陆宴辉 , 梁革梅 , 张永军 , 等 . 二十一世纪以来棉花

害虫治理成就与展望 [J]. 应用昆虫学报 , 2020, 57(03): 477-

490.

[4]HAN R, HE Y. Remote automatic identification system

of field pests based on computer vision [J]. Transactions of the

Chinese society of agricultural engineering,2013, 29(3): 156-162.

[5] 肖德琴 , 黄一桂 , 张远琴 , 等 . 基于改进 Faster R-CNN

的田间黄板害虫检测算法 [J]. 农业机械学报 ,2021,52(6):242-

251.