一种基于YOLOv10的小麦叶片虫害检测方法

本发明提供一种基于YOLOv10的小麦叶片虫害检测方法，能够改进数据处理和模型架构，提升检测的精度和速度，解决现有技术中数据集局限性和模型优化不足的问题，从而提高小麦病虫害识别的准确率，帮助农业生产者实时监控和防治病虫害。与现有技术相比检测精度高、推理速度快、泛化能力强、节约计算资源。改进后的YOLOv10模型通过引入CoordAttention机制，显著提升了病虫害检测的准确性。模型通过去除NMS，优化了推理流程，每张图像的推理速度达到0.8毫秒，极大提升了实时检测的效率。结合多种数据集进行训练，模型在不同田间环境下均表现良好，能够处理不同光照、角度、遮挡等复杂场景，提高了在实际生产中的适用性。模型的优化使其在推理时计算资源消耗更低。