近日，我院作物病蟲害監(jiān)測與治理研究團(tuán)隊(duì)在期刊《 Pest Management Science 》在線發(fā)表了題為“Image detection model construction of Apolygus lucorum and Empoasca spp. based on improved YOLOv5”的論文，該研究是自動(dòng)提取目標(biāo)特征的深度學(xué)習(xí)模型（Deep learning model,，DLM)在害蟲監(jiān)測上的最新研究進(jìn)展，碩士生熊博為論文第一作者,，羅晨副教授和胡祖慶副教授為通訊作者。
自動(dòng)化,、智能化和精準(zhǔn)化害蟲監(jiān)測預(yù)警體系的構(gòu)建是科學(xué)防控害蟲的前提和基礎(chǔ),，也是智慧農(nóng)業(yè)的重要組成部分。自動(dòng)化害蟲識(shí)別和計(jì)數(shù)是實(shí)現(xiàn)害蟲監(jiān)測的重要手段,，目前主要采用紅外傳感器計(jì)數(shù)和在人工提取害蟲特征基礎(chǔ)上通過機(jī)器學(xué)習(xí)對害蟲圖像進(jìn)行識(shí)別與計(jì)數(shù)，這些技術(shù)存在準(zhǔn)確率低,、普適性差,、害蟲特征提取困難等不足。
該研究以獼猴桃上重要害蟲綠盲蝽 Apolygus lucorum (Meyer-Dür)和小綠葉蟬 Empoasca spp. 為對象,，多時(shí)期在多地點(diǎn)獼猴桃園通過粘有性引誘劑白色粘蟲板和黃色粘蟲板收集到1502張綠盲蝽和小綠葉蟬誘集圖片,，按照7：2：1劃分成訓(xùn)練集、驗(yàn)證集和測試集,，采用DLM中檢測速度快的單階段模型YOLOv5s (you-only-look-once)進(jìn)行訓(xùn)練,，并針對單階段模型識(shí)別小型昆蟲準(zhǔn)確率低這一特點(diǎn)，對YOLOv5s模型進(jìn)行改進(jìn),，將激活函數(shù)替換為Hard swish,，添加Siou Loss函數(shù)，增加SE（squeeze-and-excitation）注意力機(jī)制,，并通過消融實(shí)驗(yàn)構(gòu)建新的YOLOv5s_HSSE模型,。該模型在測試數(shù)據(jù)集中的平均準(zhǔn)確率（mAP，mean Average precision）高達(dá)95.9%,，召回率（Recall）為高達(dá)93.3%,，檢測速度為155幀每秒，高于SSD,、YOLOv3,、YOLOv4等其他單階段深度學(xué)習(xí)模型（圖1）。本研究還測試了YOLOv5s_HSSE分別在高密度,、中密度和低密度害蟲圖片上的檢測結(jié)果,，發(fā)現(xiàn)在三種密度下mAP的均高于92.7%，Recall均高于91.8%，且中等密度數(shù)量下模型的表現(xiàn)最好,，mAP和Recall分別達(dá)到96.3％和94.0％（圖2）,。該研究為精準(zhǔn)化害蟲監(jiān)測奠定了堅(jiān)實(shí)的基礎(chǔ)。
圖1 YOLOv5_HSSE與其他單階段檢測模型檢測結(jié)果舉例
圖2 YOLOv5_HSSE檢測模型在不同密度下害蟲的檢測結(jié)果舉例
(a) 低密度 A. lucorum ; (b) 中等密度 A. lucorum ; (c) 高密度 A. lucorum ; (d) 低密度 Empoasca spp.; (e) 中等密度 Empoasca spp.; (f) 高密度 Empoasca spp.
據(jù)了解,，該團(tuán)隊(duì)正將此技術(shù)應(yīng)用到其他作物（小麥,、煙草、十字花科蔬菜,、蘋果等）上進(jìn)行重要靶標(biāo)害蟲的自動(dòng)識(shí)別與計(jì)數(shù),，并初步開發(fā)出靶標(biāo)害蟲自動(dòng)監(jiān)測預(yù)警系統(tǒng)，該系統(tǒng)以靶標(biāo)害蟲的趨色性和通訊行為為理論依據(jù),，通過在田間安裝集自動(dòng)卷粘蟲膜,、自動(dòng)高清拍照、照片自動(dòng)上傳至云端數(shù)據(jù)庫等技術(shù)為一體的物聯(lián)網(wǎng)監(jiān)測儀,，實(shí)現(xiàn)靶標(biāo)害蟲監(jiān)測數(shù)據(jù)全自動(dòng)實(shí)時(shí)的采集和上傳,；其次利用深度學(xué)習(xí)模型，對照片上的靶標(biāo)害蟲進(jìn)行精準(zhǔn)識(shí)別和準(zhǔn)確計(jì)數(shù),，實(shí)現(xiàn)靶標(biāo)害蟲監(jiān)測數(shù)據(jù)全自動(dòng)實(shí)時(shí)的分析,；最后結(jié)合當(dāng)?shù)氐臍庀髷?shù)據(jù)信息，利用機(jī)器學(xué)習(xí)模型和生物學(xué)模型,，實(shí)現(xiàn)靶標(biāo)害蟲的實(shí)時(shí)預(yù)警,。用戶可在網(wǎng)站或小程序上實(shí)時(shí)接收靶標(biāo)害蟲的監(jiān)測數(shù)據(jù)和預(yù)警信息。該系統(tǒng)可為作物靶標(biāo)害蟲的精準(zhǔn)防治提供可靠的決策支持,。
該研究得到國家重點(diǎn)研發(fā)計(jì)劃（2022YFD1400403）等項(xiàng)目資助,。
原文鏈接：https://onlinelibrary.wiley.com/doi/full/10.1002/ps.7964
編輯：劉小鳳
審核：郭 軍
