【摘要】[目的]针对现有轻量级神经网络对多类番茄不同病害程度识别研究较少、识别精度较低、收敛速度较慢等问题，本文提出一种具有新轻量化瓶颈层模块和纹理注意力的TB-MobileNetV2轻量级网络。[方法]首先参照设计高效网络的相关准则设计了更高效轻量的瓶颈层模块设计即陀螺块（TOP Block），其次使用了对病害纹理特征具有更高效关注的改进纹理注意力模块（texture coordinates attention）。[结果]试验结果表明，TB-MobileNetV2在包含16种类别的番茄早晚期病害数据集的测试集识别准确率为88.49%，较原MobileNetV2网络提升了2.18%，且具有计算量减少与单张图片运行时间基本相同的优势；同时其准确率和收敛速度也均优于ShuffleNetV2 1.0×，MobileNetV3Small，MobileNetV2，MoblieNeXt四个对比轻量级网络。[结论]本文提出的TB-MobileNetV2能有效提高对多种番茄早晚期病害识别准确率。