新策略將有效提高農業害蟲識別準確率

原文地址：http://news.sciencenet.cn/htmlnews/2023/5/500755.shtm

近日，中國農業科學院（深圳）農業基因組研究所研究員錢萬強課題組完成的研究論文在《農業科學學報》(英文) (Journal of Integrative Agriculture，JIA) 正式發表。該研究提出一種兩階段分割策略，能夠有效處理復雜背景下的小目標圖像分割問題，與單階段模型相比分割效果顯著提升，可為害蟲幼蟲識別提供高質量的圖像數據，為以害蟲為代表的復雜背景下小目標的分割研究提供有效參考。

  ?

田間害蟲的多種形態。農科院基因組所供圖

田間害蟲在線自動識別是農田害蟲防治的重要輔助手段。在實際應用中，由于目標小、物種相似性高、背景復雜等因素，嚴重影響昆蟲在線識別系統的準確率。因此，在進行圖像分類之前，對待檢測目標進行盡可能完整的分割，是一種提高圖像識別準確率的有效手段。

該研究在分析農田害蟲防治背景的基礎上，建立了一個包含9種常見害蟲的圖像語義分割數據集，并采用4種數據增強方法平衡數據集中簡單背景和復雜背景樣本的數量；改進了一種輕量化的語義分割算法，以滿足真實場景下的移動應用需求；設計了一種兩階段的害蟲分割網絡框架，并通過針對性實驗驗證了其有效性。

所提出的兩階段語義分割算法MRUNet，在結構上借鑒了Mask R-CNN在語義分割前進行目標檢測的做法。在具體操作上，MRUNet構建了Faster R-CNN目標檢測模型進行幼蟲目標檢測；對目標檢測獲得的位置信息進行針對性調整并用于在原始高分辨率圖像中截取樣本圖像片段；最終對獲得的主要包含害蟲幼蟲的圖像片段采用基于改進MobileNet的輕量級UNet算法進行語義分割。在定量實驗、定性分析和統計分析中，所提出的MRUNet算法在分割精度和模型穩定性等方面表現均優于其它算法。