智慧农业(中英文) 2026年第4期 2026-10-08·10月8日 · 周四论文农业人工智能与决策模型阅读 2
多尺度异构特征协同的棉花叶片病害检测模型(Multi-Scale Heterogeneous Synergistic Model for Cotton Leaf Disease Detection)
论文解读
78精选
速览
提出MHSF-DETR棉花叶片病害检测模型，提升精度并降低参数量与计算量。
方法
改进RT-DETR，采用分层上下文选择主干、可学习加权融合与边界感知重构。
发现
mAP50提升3.2个百分点，参数量与计算量分别降低22.42%和13.29%，外部数据集泛化良好。
机会点
可探索跨作物病害检测的轻量化迁移学习与域自适应方法，减少重新训练成本。
影响力16
信息增量22
专业深度18
信源权威14
时效性8
改进RT-DETR的棉花叶片病害检测模型，参数量与计算量双降且精度提升，方法新颖、数据扎实，属细分领域实质进展。
原文摘要
辽宁工程技术大学沈学利团队基于改进RT-DETR提出MHSF-DETR,通过分层上下文选择主干、可学习加权融合与边界感知重构,实现多尺度异构特征协同。相比基准模型参数量与计算量分别降低22.42%和13.29%,mAP50提升3.2个百分点,外部数据集泛化mAP分别达80.3%与86.9%。局限:模型针对特定病斑尺度设计,跨作物迁移需重新训练。