摘要：本研究构建了南药病虫害图像数据集并提出了南药病虫害检测轻量化模型以提供诊断防治。以 YOLOv5s 为基础，使用更轻、更快的轻量化网络 MobileNetV3 作为主干网络提取特征，加入了神经网络架构搜索（NAS）和 h-swish 激活函数，得到轻量化后的 YOLOv5s-M 检测模型，构建的数据集包含南药虫害图像 1693 幅，其中病害种类包括鞘翅目、同翅目、鳞翅目和异鳃总目等 11 目昆虫，实验结果表明：基于 YOLOv5s-M 的南药病虫害检测模型平均检测精度达到了 95.7%，参数量下降了 30%，浮点运算次数下降了 43.7%，模型内存占用量为 21.561MB，YOLOv5s-M 模型内存均小于 Faster R-CNN、SSD、YOLOv3。所提出YOLOv5s-M 南药病虫害检测模型更加轻量化，准确且快速检测图像中南药病虫害，可为病虫害绿色防控提供检测手段，推动绿色防控技术与绿美生态的融合。