[发明专利]基于目标检测技术的多种农业害虫识别方法及相关设备

说明书

本发明针对植株虫害的快速识别，采集植株虫害可见光图像信息，采用YOLOv5模型，开发了基于目标检测技术的多种农业害虫识别方法及便携手持装置。本发明着眼于农业害虫识别精确度低、周期长的问题，利用YOLOv5模型。输入端采用Mosaic数据增强的方式，增强数据的多样性，而且变相增加了目标个数，对于小目标检测有较明显的效果提升，同时采用自适应锚框计算和自适应图片缩放，减小计算量，提升检测速度。Backbone采用CSP结构，可以在减小计算量的同时保证准确率，增强了模型的学习能力。输出端主要采用CIOU_Loss作为Bounding Box的损失函数，可以使其考虑到重叠面积、中心点的距离以及宽高比的信息，使得预测框回归的速度和精度更高，同时采用加权非极大值抑制，有效预测被遮挡的目标。

技术领域

本发明涉及植物害虫的快速识别，尤其涉及一种基于目标检测技术的多种农业害虫识别方法和手持装置。

背景技术

农作物从播种、生长至收获，经常受到各种有害生物(植物病原、害虫、杂草和害鼠等)的为害，从而影响栽培植物的产量和质量。农业害虫通常被分为为害各种植物的昆虫和螨类等，昆虫种类繁多，是农作物遭受虫害中最多的种类；并把由它们引起的各种植物伤害称为虫害。近年来，农作物总是难以躲过虫害的侵害。根据2019—2020的全国大范围监测调查结果，草地贪夜蛾在我国的发生为害仍具有明显的区域性。从发生面积看，西南、华南等周年繁殖区，发生面积占比在80％以上，长江中下游、江淮等迁飞过渡区，发生面积占1～2成，北方重点防范区发生面积占比不足1％。从发生县点分布看，2019—2020年见虫县共计1,645个，2019年有26个省1,541个县，2020年有27个省1,423个县，两年均发生县占发生县数的80％。预计2021年草地贪夜蛾在西南、华南、长江中下游和江淮地区呈重发态势，需重点防控；南方成虫发生期，遇适宜的东亚季风或台风事件，可助力虫源北迁，西北、黄淮、华北和东北需加强防范；预计全国发生面积为2,000万亩以上，防治面积为3,000万亩次以上。于是快速、高效识别预防范围是一项重要的工作。再如，2021年稻飞虱在华南、江南和长江中下游稻区将偏重至大发生，南方其他稻区中等发生。预计全国发生面积为3.5亿亩次，防治面积为4.5亿亩次。稻纵卷叶螟作为一种重要农业害虫，2021年在江南、西南东部和长江下游稻区将偏重发生，华南、西南西部和江淮稻区中等发生。预计全国发生面积为2.1亿亩次，防治面积为2.5亿亩次。由此可知，虫害具有为害速度快、损失程度重、防控难度大的特点，有害生物种类繁多、形态各异、发生规律各有不同。农业害虫主要危害的对象包括水稻、玉米、小麦、薯类、大豆、向日葵、蔬菜、果树等，这些作为我国重要的粮食作物及保障人民生活水平的食物，有的同时在工业制造、医用等方面也具有重要作用，因此农业害虫防治具有不可忽视的地位。

因此，研究各类虫害对农作物产量损失的影响，更方便快捷地制定出合理的防治指标和防治措施变得格外重要。在害虫防治实践中，首先要正确识别益虫和害虫，能够很好地利用益虫和控制害虫。其次要掌握昆虫的一般形态特征及其生长发育规律，找到昆虫生活的弱点对其防治，达到事半功倍的效果。并且，害虫在不同生长时期具有不同的外形特征，所以同时应做到能准确识别处于不同时期(比如卵、蛹、若虫、幼虫、成虫等)的害虫。

目前，在农业生产中，害虫识别方面主要还是依靠农民的肉眼识别以及经验判断，或者进行远程的专家会诊；然而，这些方法都具有明显的不足，例如识别精确度低、周期长等。识别精确度低会直接导致采取错误的防治方式，可能会产生南辕北辙的效果；而周期长则会错过最佳的防治时期，导致经济损失。随着精准农业概念的提出以及计算机在农业中的运用，机器视觉的和深度学习被提出，这在农业生产中有效地帮助农民提高了农作物品质，减少了经济损失。

发明内容

本发明实施例提供一种基于目标检测技术的多种农业害虫识别方法及装置，用以解决识别精确度低、周期长的检测问题，或至少部分解决上述背景技术中提出的技术问题。