基于双轻型YOLOv8的黄瓜灰霉病菌孢子萌发的识别与温度效应分析

《Computers and Electronics in Agriculture》：Recognition and temperature effect analysis of cucumber gray mold spore germination based on dual lightweight YOLOv8s

双轻量级YOLOv8s模型用于识别灰霉病孢子萌发并分析温度影响，模型经C2F_EMBC、BiFPN、EfficientRepHead优化后参数减少35.14%，再通过LAMP剪枝参数进一步减少62.22%，mAP@0.5达96.8%，FPS提升至809.8。研究表明10-35℃范围内孢子萌发率随时间增加，温度交互作用显著，构建的动力学模型R2值均超90%。

　　

陈桥|韩宗环|王勇|高伟|张一丁|张凌贤

中国农业大学信息与电气工程学院，北京100083，中国

摘要

灰霉病作为一种真菌性疾病，对黄瓜的产量和质量有显著影响，其孢子的萌发受温度的影响。因此，了解孢子萌发条件对于早期疾病预警和控制至关重要。本研究提出了一种双轻量级YOLOv8s模型用于孢子萌发识别，以揭示灰霉病孢子的温度依赖性萌发模式。首先，通过将C2F_EMBC、BiFPN和EfficientRepHead集成到YOLOv8s中实现了模型的轻量化。在保持高检测准确率的同时，该轻量级模型的参数减少了35.14%，GFLOPs减少了22.38%，模型大小减少了34.67%。随后，通过LAMP剪枝技术进一步移除了模型中的冗余参数，使得参数、GFLOPs和模型大小分别减少了62.22%、34.68%和61.22%。最终，模型的参数大小分别为2.72 MB、GFLOPs为14.5 G和模型大小为5.7 MB。此外，mAP@.5和FPS分别提高了0.52%和46.78%，达到96.8%和809.8。这些结果表明，双轻量化方法提高了检测精度，并确保了模型在资源受限环境中的效率和实用性。最后，利用双轻量级模型研究了灰霉病孢子的温度响应。结果显示，在10℃至35℃的温度范围内，孢子萌发表现出一定的灵活性和适应性。萌发率随时间呈上升趋势，证实了时间-温度相互作用对孢子萌发的显著影响。基于温度计算的孢子萌发动力学模型的R²值均超过90%，能够有效预测不同温度下的孢子萌发率。总之，本研究提出的双轻量级YOLOv8s模型用于揭示灰霉病孢子的温度依赖性萌发模式，并开发了基于温度的孢子萌发动力学模型，为早期疾病预测和管理奠定了基础。

引言

中国在全球温室栽培方面处于领先地位，黄瓜因其营养价值而成为十大蔬菜之一（Wang等人，2020年；Jin等人，2020年；Xu等人，2025年）。然而，黄瓜栽培对温度和湿度的变化非常敏感，这可能导致真菌疾病的传播加剧。由Botrytis cinerea引起的黄瓜灰霉病会降低20%至50%的产量和质量，在严重情况下甚至导致作物完全失败（Hafez等人，2020年；Wallace等人，2020年；Han等人，2026年）。因此，了解影响灰霉病发展的因素对于有效预防至关重要。本研究旨在提高黄瓜产量，支持可持续农业，并探索对真菌孢子的抗性，以采取环保的控制措施（Korsnes等人，2016年；Mendoza等人，2016年；Shi和Sun，2017年）。

灰霉病是由Botrytis cinerea引起的坏死性真菌疾病，其孢子萌发是其流行病学中的一个关键焦点。孢子萌发受温度、湿度、pH值和营养等环境因素的影响（Leroux，1996年；Milling和Richardson，1995年；Masner等人，1994年；Osherov和May，2000年）。特别是温度和湿度起着重要作用，孢子在约20℃时萌发率达到峰值，在5℃和30℃时显著下降（Elad和Younis，1993年；Amselem等人，2011年）。孢子在相对湿度低于80%时不会萌发（Blanco-Ulate等人，2014年），当pH值不在6至8的范围内时，萌发也会受到抑制（Hamdache等人，2019年）。糖类（如果糖、蔗糖和葡萄糖）可以促进孢子萌发（Miura等人，1994年），随着果实成熟和糖含量的增加，孢子萌发的可能性也会增加（Tyson等人，2022年）。此外，积累的花粉会刺激真菌发育和孢子萌发（Kocsis等人，2022年）。在其他植物病原体（如Penicillium expansum和Aspergillus niger）的萌发条件下，温度波动也会显著影响孢子萌发（Gougouli等人，2012年）。对于草莓而言，Botrytis cinerea分生孢子的浓度与太阳辐射和温度呈正相关，但与降雨量和湿度呈负相关（Blanco等人，2006年）。在Fusarium oxysporum中，疾病发生率在土壤湿度为45%时最高（Sharma等人，2023年）。此外，温度范围为5-25℃、湿度为97%的温室有利于Pseudoperonospora cubensis的感染（Khudhair等人，2023年）。关于Bacillus cereus孢子的研究显示，温度和pH值显著影响萌发，较低的pH值会抑制萌发（Aswathi等人，2018年）。已经开发了预测模型，如用于Bacillus孢子的OSDA模型（Huang等人，2022年）和细菌孢子动力学模型（Doona等人，2017年），用于早期预警系统。上述研究从不同角度揭示了外部条件对Botrytis cinerea萌发的影响，以及孢子在外部刺激下的萌发反应。然而，这些研究中的孢子萌发率通常通过手动计数进行评估，存在误差较大和受主观因素影响的局限性。

传统的孢子萌发研究通常依赖于耗时且主观的手动计数。大多数孢子萌发动力学模型侧重于食品研究，对农业疾病研究的关注有限。随着深度学习的最新进展，通过结合特征提取、分类和识别的方法，可以实现高精度的孢子检测（Kuroda等人，2019年；Han等人，2026年；Zhang等人，2026年）。Tahir等人开发了一种卷积神经网络，可以识别五种类型的真菌孢子，准确率达到94%（Tahir等人，2018年）。Zhang等人提出了一种基于Faster R-CNN的FSNet模型，用于检测储粮真菌孢子，准确率达到91.6%（Zhang等人，2021年）。然而，这些模型存在模型体积大和速度慢的问题。因此，模型轻量化已成为解决这一问题的关键焦点。Li等人引入了基于YOLOv5的MG-YOLO轻量级算法，用于处理模糊目标和小目标，准确率达到98.3%（Li等人，2023年）。此外，Li等人和Liu等人建立了高精度的轻量级模型，用于检测黄瓜叶病，mAP分别达到84.9%和85.52%（Li等人，2022年；Liu等人，2021年）。Luo等人训练了LiteCNN，这是一种参数仅为0.025 MB的轻量级CNN，适用于边缘设备（Luo等人，2023年）。尽管这些模型在孢子检测方面表现出色，但它们在研究孢子随时间的变化方面的应用受到限制。上述研究在识别不同孢子类别方面取得了高精度，支持了孢子萌发效应的高精度分析。然而，这些研究都存在局限性，如模型复杂、参数数量多和计算需求高，难以实际应用。此外，孢子在不同时间序列条件下的萌发模式仍不清楚。

本文以黄瓜灰霉病的孢子为研究对象，采用双轻量级YOLOv8s模型在不同温度下精确识别孢子萌发状态。基于这些识别结果，探讨了温度对黄瓜灰霉病孢子萌发的影响，特别考察了不同温度如何在控制湿度、营养和其他相关因素的情况下影响孢子萌发。本研究的主要贡献如下：

(1) 通过引入C2F_EMBC、BiFPN等轻量级模块和LAMP等先进的剪枝技术，双轻量级YOLOv8s模型显著减少了模型参数数量和计算需求，同时保持了高精度识别孢子萌发的能力。

(2) 本研究通过计算机视觉技术揭示了时间和温度对灰霉病孢子的交互作用。孢子萌发率随时间总体呈上升趋势，在25℃时达到最高。然而，在极端温度（10℃和35℃）下，萌发受到抑制。

(3) 灰霉病孢子在10℃至35℃范围内表现出韧性和适应性。为不同温度开发的孢子萌发动力学模型显示，暴露时间与孢子萌发率之间存在显著的正相关关系。值得注意的是，这些模型的R²值超过0.9，验证了它们在预测孢子萌发率方面的有效性。

本研究提出的双轻量级YOLOv8s模型通过结合高效的特征提取和优化算法，在资源受限环境中能够高效运行。在农业生产中，该模型可以实时监测并预警黄瓜灰霉病的孢子萌发，帮助农民和农业企业及早干预疾病，从而减轻其对作物的影响，提高作物产量和质量。此外，基于温度效应研究的孢子萌发动态模型为农业气候管理提供了科学基础，有助于农民更好地调整温室环境，降低疾病发生的风险。

部分摘录

基于双轻量级YOLOv8s的黄瓜灰霉病孢子萌发温度效应分析策略

由Botrytis cinerea引起的黄瓜灰霉病主要通过孢子的有效萌发传播（Yunis等人，1990年）。各种环境因素显著影响萌发过程，其中温度是最关键的外部因素（Zhao等人，2022年）。基于此，本研究旨在通过识别孢子萌发状态和探索温度对孢子萌发的影响，增强对灰霉病的理解和控制。

黄瓜灰霉病孢子萌发识别模型的比较分析

在对象检测领域，模型选择基于各种指标的性能进行评估：精确度、召回率和在IoU阈值为0.5时的mAP@.5值。本研究详细比较了YOLOv8s模型与其他先进的对象检测模型（包括YOLOv3、YOLOv5s、YOLOv7、YOLOv9s、Faster-RCNN、SSD和Centernet），以确定最适合高效准确检测灰霉病孢子的模型

结论与展望

本研究基于双轻量级YOLOv8s对黄瓜灰霉病孢子的萌发识别和温度效应进行了分析。

(1) 通过将C2F_EMBC、BiFPN和EfficientRepHead引入原始YOLOv8s，实现了模型的首次轻量化优化。结果表明，虽然mAP@.5基本保持不变，但模型的参数、GFLOPs和模型大小均显著减少。

(2) 使用LAMP剪枝方法进行了

CRediT作者贡献声明

陈桥：概念化、数据整理、形式分析、调查、方法论、软件开发、验证、可视化、初稿撰写。韩宗环：数据整理、调查、可视化。王勇：数据整理。高伟：数据整理。张一丁：概念化、形式分析、方法论、项目管理、监督、审稿与编辑、资金获取。张凌贤：概念化、形式分析、资金获取、方法论

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本工作得到了国家自然科学基金（编号62376272和62176261）和中国博士后科学基金（编号2024M763577）的支持。