近日，茶叶所在“Smart Agricultural Technology” (中科院二区，IF=5.7) 上发表题为“YOLO-LSD: A Lightweight Scale Dynamic Model for Tiny Pest Detection in Tea Plantations”的研究论文。实现了茶园典型微小害虫“小绿叶蝉”的精准识别，为茶园典型微小害虫检测带来新突破。

小绿叶蝉是茶园典型微小害虫，形态微小(3.1-3.8mm)，常因难以发现、监测困难，给茶园管控带来较大风险。粘虫板诱捕后小绿叶蝉的图像为密集小目标，且受非结构复杂茶园环境、虫板杂质多等因素的影响，使普通机器视觉检测难以精准。针对这一技术痛点，本研究，创新提出基于“环境适配 - 小目标强化 - 轻量化部署”思路的茶小绿叶蝉检测模型—YOLO-LSD，有效解决了微小害虫精准识别问题。

YOLO-LSD的新颖性在于：一是针对茶园环境复杂且光照多变，虫板杂质多的问题，创新设计SDAM（尺度动态注意力模块），动态适配图像特征尺寸，增强茶小绿叶蝉特征、抑制背景噪声，提升重要区域(茶小绿叶蝉)和不重要区域(粘虫板等背景) ；二是针对茶小绿叶蝉物理尺寸小，特征图缺少检测小尺度目标所需的详细信息，RAHR（分辨率感知检测头）优化方法，采用高分辨率检测头并集成 SEAM 模块，强化微小目标细节捕捉，提升检测精度；三是为方便茶园部署及减少计算量和混叠效应；采用Wavelet Pool（小波变换池化）：降低模型计算量、减少特征混叠，实现信息低损耗传递，兼顾精度与田间部署需求。

测试表明YOLO-LSD模型的mAP、F1、Precision、Recall达94.3%、92.1%、91.9%与92.4%，模型大小仅为3.8 MB。本研究攻克了茶园微小害虫自动化检测难题，为茶树病虫害智能诊断奠定基础，推动农业病虫害 “监测 - 识别 - 管理” 一体化，助力茶园绿色防控与茶叶安全生产。

茶叶所为该研究的第一完成单位，董春旺研究员为通讯作者，联培研究生朱霖为第一作者，中茶所周利研究员参与了本项目研究。本研究得到了山东省重点研发计划项目（主粮作物主要病害精准监测与防治系统开发）、院创新工程重大项目（CXGC2025A02）的资助。

文章链接：https://doi.org/10.1016/j.atech.2025.101474 （撰写：陈之威   核稿：董春旺）