【摘要】 玉米病虫害种类繁多，且种植环境复杂，给病虫害检测工作带来了较大挑战。现有目标检测算法通常计算量较大，而边缘计算设备受限于计算资源和内存容量，难以满足玉米病虫害检测对实时性和高效性的要求。针对上述问题，本研究设计了一套基于YOLO v11改进模型的玉米作物病虫害边缘计算检测系统。首先，将PConv融入Bottleneck模块结构，构建C3k2-PConv模块，用于替换YOLO v11颈部网络中的C3k2模块，从而减少模型参数量并提升玉米病虫害检测的效率。其次，引入Ghost Conv模块替代主干网络中的标准卷积，在降低计算复杂度的同时，保持较高的病虫害检测精度。此外，设计基于线性自注意力的C2PSLCA模块，用以替换YOLO v11中的C2PSA模块，从而增强模型在复杂环境下对玉米病虫害特征的提取能力。结果表明，YOLO v11改进模型能够对玉米病虫害进行高效精准检测，精确率、召回率、m AP达到了87.65%、81.19%、87.08%，分别提升了0.78、1.96、2.28百分点，而权重大小、参数量、浮点运算次数分别降低了14.02%、14.89%、19.40%，提升了模型的检测效率及部署可行性。最后，将改进的模型YOLO v11-GPC部署到Jetson Orin Nano平台上，并采用Py Side6开发系统可视化界面，为玉米作物的健康管理和病虫害防治提供了技术支撑。更多还原