农业机械学报

作者：曾伟辉，张文凤，陈鹏，胡根生，梁栋

单位：安徽大学;科大国创软件股份有限公司,安徽大学,安徽大学,安徽大学,安徽大学,

关键词：水稻害虫图像;低分辨率;SCResNeSt;卷积神经网络;识别系统

基金：安徽省自然科学基金面上项目（2108085MC95）、安徽省科技重大专项（202003a06020016）、安徽省高校自然科学研究项目（KJ2020ZD03、KJ2020A0039）、农业生态大数据中心开放项目（AE202004）和安徽省现代农业产业技术体系建设专项资金项目

针对稻田自然环境下害虫移动，难以近距离拍摄高质量图像，导致在现有识别模型检测时无法达到满意识别精度的问题，提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先，使用增强型超分辨率生成对抗网络（ESRGAN）对低分辨率图像进行数据增强，解决低分辨率水稻害虫有效信息少的问题；其次构建了SCResNeSt网络，使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积，以减少计算量；使用自校准卷积替代第2层卷积层中的3×3卷积，通过内部通信显式地扩展每个卷积层的视场，获取害虫图像的部分背景信息，从而丰富输出特征；在主干网络中使用ResNeSt block（Split-attention network block）进一步提升图像中害虫信息获取的准确性。最终，将优选模型移植到手机端，开发了轻量化的移动端水稻害虫识别系统。实验结果表明，与现有方法对比，ESRGAN数据增强方法可以恢复真实的作物害虫信息，SCResNeSt模型有效提高了水稻害虫的识别性能，识别精度达到91.20%，比原始ResNet50网络提高3.2个百分点，满足野外实际场景下的应用需求。本研究为水稻害虫智能化识别和防治提供了技术基础。

来源：2022年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第9期