【摘要】[目的]条锈病菌夏孢子是引起小麦条锈病暴发的重要原因，针对夏孢子显微图像识别中存在的检测精度不高和分割精度较低的问题，提出了一种基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测算法。[方法]首先，针对显微图像中夏孢子目标密集，易粘连等特点，通过改进Unet++特征提取网络，将原始网络的输出反向连接至输入端形成一种自旋结构，并增加超参数K控制自旋次数，可达到迭代训练的目的，优化了Unet++网络的分割精度，提高了检测的分割率；其次，根据孢子的形态特征，提出了一种加权映射矩形计算公式，以计算其矩形热力图，以提高孢子的检测精确率。[结果]算法测试结果表明，改进算法的平均精确率达到了99.03%，分割率为86.45%，较原始CenterNet模型分割率提高了10.35百分点，精确率提高了0.46百分点，占用内存降低了66.09%。[结论]该模型在保证较高精度的检测夏孢子目标的同时，保证了较高的孢子分割率，为后续小麦条锈病的早期预警提供了一种有效的方法支撑。