本发明公开了一种在自然环境中快速检测小麦赤霉病穗及严重度的方法,涉及图像识别技术领域,所述步骤包括如下:S1:使用改进的YOLOv5s网络检测田间小麦穗,以检测病穗和健康穗;S2:将本研究提出的改进YOLOv5s与YOLOv3‑Tiny、YOLOv4、SSD、Faster R‑CNN和YOLOv7模型进行了对比,验证了模型的有效性和优越性,可实现自然环境中小麦赤霉病(Fusarium head blight,FHB)的快速、实时、准确检测,本研究进一步统计出健康穗、患病穗、总穗,并将患病穗与总穗的比例作为病穗率,病穗率的决定系数(coefficient of determination,R2)达0.9802,按照病穗率的范围确定小麦FHB严重度,实现了较好的统计效果,结果表明,本研究提出的改进的YOLOv5s满足移动设备的实时、高效、准确要求。