基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法

文献类型： 中文期刊

第一作者： 邱荣洲

作者： 邱荣洲;赵健;何玉仙;陈韶萍;黄美玲;池美香;梁勇;翁启勇

作者机构：

关键词： 草地贪夜蛾;机器视觉;深度学习;YOLO算法;种群监测;图像识别;自动计数

期刊名称： 昆虫学报

ISSN： 0454-6296

年卷期： 2021 年 012 期

页码： 1444-1454

收录情况： 北大核心 ; CSCD

摘要： 【目的】探究深度学习在草地贪夜蛾Spodoptera frugiperda成虫自动识别计数上的可行性,并评估模型的识别计数准确率,为害虫机器智能监测提供图像识别与计数方法。【方法】设计一种基于性诱的害虫图像监测装置,定时自动采集诱捕到的草地贪夜蛾成虫图像,结合采集船形诱捕器粘虫板上草地贪夜蛾成虫图像,构建数据集;应用YOLOv5深度学习目标检测模型进行特征学习,通过草地贪夜蛾原始图像、清除边缘残缺目标、增加相似检测目标（斜纹夜蛾成虫）、无检测目标负样本等不同处理的数据集进行模型训练,得到Yolov5s-A1, Yolov5s-A2, Yolov5s-AB, Yolov5s-ABC 4个模型,对比在不同遮挡程度梯度下的测试样本不同模型检测结果,用准确率（P）、召回率（R）、F1值、平均准确率（average precision, AP）和计数准确率（counting accuracy, CA）评估各模型的差异。【结果】通过原始图像集训练的模型Yolov5s-A1的识别准确率为87.37%,召回率为90.24%,F1值为88.78;清除边缘残缺目标图像集训练得到的模型Yolov5s-A2的识别准确率为93.15%,召回率为84.77%,F1值为88.76;增加斜纹夜蛾成虫样本图像训练的模型Yolov5s-AB的识别准确率为96.23%,召回率为91.85%,F1值为93.99;增加斜纹夜蛾成虫和无检测对象负样本训练的模型Yolov5s-ABC的识别准确率为94.76%,召回率为88.23%,F1值为91.38。4个模型的AP值从高到低排列如下:Yolov5s-AB>Yolov5s-ABC> Yolov5s-A2>Yolov5s-A1,其中Yolov5s-AB与Yolov5s-ABC结果相近;CA值从高到低排列如下:Yolov5s-AB>Yolov5s-ABC>Yolov5s-A2>Yolov5s-A1。【结论】结果表明本文提出的方法应用于控制条件下害虫图像监测设备及诱捕器粘虫板上草地贪夜蛾成虫的识别计数是可行的,深度学习技术对于草地贪夜蛾成虫的识别和计数是有效的。基于深度学习的草地贪夜蛾成虫自动识别与计数方法对虫体姿态变化、杂物干扰等有较好的鲁棒性,可从各种虫体姿态及破损虫体中自动统计出草地贪夜蛾成虫的数量,在害虫种群监测中具有广阔的应用前景。

分类号： TP18%TP391.41%S433.4

  • 相关文献

[1]基于移动终端的稻田飞虱调查方法. 俞佩仕,郭龙军,姚青,杨保军,唐健,许渭根,陈渝阳,朱旭华,陈宏明,张晨光,段德康,贝文勇,彭晴晖. 2019

[2]基于图像处理技术的小球藻荧光图像自动计数方法研究. 刘世晶,陈军,刘兴国,管崇武. 2012

[3]基于K-means聚类和椭圆拟合方法的白粉虱计数算法. 王志彬,王开义,张水发,刘忠强,穆翠霞. 2014

[4]4种不同性诱剂对玉米草地贪夜蛾诱集作用. 车晋英,陈华,陈永明,王风良,卢鹏,朱加萍,张海波,肖留斌,姜春义,金玲,朱展飞,张芳. 2020

[5]不同诱芯对草地贪夜蛾的田间诱集效果比较. 梁勇. 2020

[6]草地贪夜蛾综合防控技术研究进展. 丁奎婷,杜素洁,杨念婉,刘万学,郭建洋. 2023

[7]草地贪夜蛾种群监测与药剂防控效果研究. 曾亚成,冯建设,邱荣洲,金化亮,苏锦辉. 2023

[8]红外传感器与机器视觉融合的果树害虫识别及计数方法. 田冉,陈梅香,董大明,李文勇,矫雷子,王以忠,李明,孙传恒,杨信廷. 2016

[9]基于多列空洞卷积神经网络的麦穗计数方法研究. 刘云玲,张品戈,王千航,周睿琪,赵佳,肖永贵,马韫韬. 2021

[10]基于物联网平台的小麦病虫害诊断系统设计初探. 苏一峰,杜克明,李颖,孙忠富,郑飞翔. 2016

[11]基于改进YOLOV5s网络的奶牛多尺度行为识别方法. 白强,高荣华,赵春江,李奇峰,王荣,李书琴. 2022

[12]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[13]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[14]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[15]基于Faster R-CNN的美国白蛾图像识别模型研究. 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚. 2020

[16]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[17]采用组合增强的YOLOX-ViT协同识别温室内番茄花果. 吕志远,张付杰,魏晓明,黄媛,李晶晶,张钟莉莉. 2023

[18]基于图像处理和Deeplabv3+模型的小麦赤霉病识别. 戴雨舒,仲晓春,孙成明,杨俊,刘涛,刘升平. 2021

[19]农业害虫自动识别与监测技术. 封洪强,姚青. 2018

[20]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

作者其他论文 更多>>

微信小程序