基于多模态文本特征融合的YOLOv11水稻病害检测

doi:10.19754/j.nyyjs.20261030010

农业与技术 ›› 2026, Vol. 46 ›› Issue (10): 60-64.DOI: 10.19754/j.nyyjs.20261030010

• 农业工程 • 上一篇

基于多模态文本特征融合的YOLOv11水稻病害检测

肖如君、乔波、彭子淳、黄怡迪

湖南农业大学信息与智能科学技术学院,长沙410125

收稿日期:2026-07-06 出版日期:2026-10-30 发布日期:2026-10-30
作者简介:肖如君(2001-),男,硕士在读。研究方向:农业信息技术;通信作者乔波(1981-),男,博士,副教授,硕士生导师。研究方向:自然语言处理、农业知识图谱与智慧农业。
基金资助:
海南省重点研发项目(项目编号:ZDYF2025GXJS154)

Received:2026-07-06 Online:2026-10-30 Published:2026-10-30

摘要/Abstract

摘要： 针对传统纯视觉检测模型在复杂背景下对相似水稻病害特征提取不足、极易产生误检与混淆的问题,探索引入多模态语义先验知识以提升检测精度。本文提出一种结合LLaVA大语言模型与YOLOv11的多模态特征融合水稻病害检测模型AgriText-YOLOv11。利用LLaVA为每一张水稻病害图像单独生成专属的自然语言描述文本,将其转化为嵌入向量,与高分辨率下的YOLOv11视觉特征进行跨模态网络融合,通过文本特征引导网络聚焦关键判别区域。本文提出的AgriText-YOLOv11水稻病害检测模型,在仅增加5.2%参数量的前提下,mAP@0.5较基线模型提升1.2百分点,召回率提升2.2百分点,综合性能优于YOLOv9、YOLOv10、RT-DETR等主流检测模型,能够高效、准确地完成水稻病害的定位与分类。

中图分类号:

. 基于多模态文本特征融合的YOLOv11水稻病害检测[J]. 农业与技术, 2026, 46(10): 60-64.

[1]	. 丘陵山地农业动力底盘研究进展与发展趋势[J]. 农业与技术, 2026, 46(10): 45-50.
[2]	. 基于CFD-DEM的上吸风碾米机碾白室颗粒运动与受力分布特性研究[J]. 农业与技术, 2026, 46(10): 51-59.
[3]	. 东北丘陵黑土区高标准农田建设优化策略与工程实践[J]. 农业与技术, 2026, 46(9): 36-39.
[4]	. 基于改进YOLOv8的番茄叶片病害智能检测算法[J]. 农业与技术, 2026, 46(9): 47-51.
[5]	. 单元四株不等距气吸式玉米排种器的设计与试验[J]. 农业与技术, 2026, 46(9): 52-59.
[6]	. 吉林西部耕地水肥一体化精准灌溉技术应用研究[J]. 农业与技术, 2026, 46(9): 114-118.
[7]	. 大白菜基部剪切力学特性及切割参数响应面优化[J]. 农业与技术, 2026, 46(8): 46-50.
[8]	. 基于U-Net网络的果园垄间导航线检测方法综述[J]. 农业与技术, 2026, 46(8): 51-55.
[9]	. 滚筒栅条式花生脱壳机脱壳部件优化设计[J]. 农业与技术, 2026, 46(7): 82-87.
[10]	. 基于改进 RT-DETR 的苹果叶片病害识别[J]. 农业与技术, 2026, 46(6): 55-62.
[11]	. 生物炭施加量对农田温室气体的影响[J]. 农业与技术, 2026, 46(6): 63-67.
[12]	. 青麻叶大白菜跌落滚动过程的力学行为与损伤机制[J]. 农业与技术, 2026, 46(6): 76-80.
[13]	. 新型铝合金型材日光温室结构静力性能分析[J]. 农业与技术, 2026, 46(5): 54-61.
[14]	. 羊草种质资源圃规划设计与建设实践[J]. 农业与技术, 2026, 46(5): 62-69.
[15]	. 吉林省农田参全程机械化程度的分析与研究[J]. 农业与技术, 2026, 46(5): 70-73.

基于多模态文本特征融合的YOLOv11水稻病害检测

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics