南京林业大学学报(自然科学版)

作者：邵欣欣,刘文萍,王晗,宗世祥,袁博

单位：<sup class=\mag-xml-aff-label-sup added-by-sys\>1</sup> 北京林业大学信息学院, 北京 100083,<sup class=\mag-xml-aff-label-sup added-by-sys\>2</sup> 北京林业大学林学院, 北京 100083

关键词：多光谱图像,无人机,松材线虫病,目标检测

基金：国家重点研发计划(2021YFD1400900),国家重点研发计划(2022YFD1400400)

【目的】基于YOLOv8n提出一种多光谱图像目标检测算法(multispectral images YOLO,MI-YOLO),以准确、实时检测多光谱无人机图像中松材线虫病(pine wilt disease, PWD)轻度变色木。【方法】利用频域互功率谱快速实现光谱图像配准;针对轻度变色木与健康木之间差异小而难检测的问题,使用轻量版多分支辅助特征金字塔结构,增强模型颈部网络特征利用和融合;最后采用轻量化模块C2f-Faster替换YOLOv8n中的特征融合模块C2f以减少冗余计算。【结果】所提出的MI-YOLO目标检测算法在IoU为0.5时的平均精度(average precision at IoU 0.5,AP50)达到84.5%,模型参数量(params)为2.1 MB,浮点运算量(floating point operations,FLOPs)为7.25 GB,推理速度为50帧/s。与YOLOv8n相比,AP50提高10.5个百分点,参数量降低30%,浮点运算数降低13%。【结论】MI-YOLO目标检测模型准确度高且具有轻量化的优点,可实时应用于多光谱无人机图像检测松材线虫病轻度变色木。

来源：2026年第2期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2026年第2期