基于改进YOLO v5的水稻主要害虫识别方法  

An ientifcation method for rice major pests based on improved Y0L0 v5

作　　者：吴子炜 夏芳 陆林峰 张盛军 周素茵[1] Wu Zinvei

机构地区：[1]浙江农林大学数学与计算机科学学院,浙江杭州311300 [2]浙江农林大学经济管理学院,浙江杭州311300 [3]浙江省农业农村大数据发展中心,浙江杭州310000 [4]浙江托普云农科技股份有限公司,浙江杭州310000

出　　处：《江苏农业科学》2023年第21期218-224,共7页Jiangsu Agricultural Sciences

基　　金：浙江省农业重大技术协同推广计划(编号:2021XTTGLY0106)。

摘　　要：准确识别害虫是水稻田间害虫防控的基础,针对现有水稻害虫识别方法精度不高、计算量与参数量较大等问题,提出一种轻量模块以及相应改进YOLO v5模型的方法。为了在满足精度的前提下减小模型参数量,构建的轻量模块使用多个深度可分离卷积减小计算消耗,并通过通道洗牌将特征通道重组提高学习能力,同时将该模块引入YOLO v5模型中进行轻量化改进。为提高模型的泛用性,除选取公开数据集IP102中的水稻害虫图片外,通过二化螟性诱设备采集二化螟图像丰富研究数据。结果表明,所提出的轻量化模块能够有效减轻模型的体积、优化训练并提升模型的识别精度,改进后的模型参数量仅为原模型的一半,对14类害虫的平均识别精度相较原模型提高3.2百分点,拥有一定的实际应用能力。所提出的轻量模块及轻量化改进模型能够实现对水稻害虫高精度及高效率的识别,可为水稻病虫害防控数字化、智能化发展提供技术支持。

关 键 词：水稻害虫 害虫识别 机器视觉 轻量化 深度学习 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]