农业机械学报

作者：王兴旺，查海涅，卢浩男，王禹彬，吴东昇，王旭峰，胡灿，陈学永

单位：福建农林大学;安庆师范大学,安庆师范大学,福建农林大学,福建农林大学,福建农林大学,塔里木大学,塔里木大学,福建农林大学,

关键词：多类别害虫;害虫识别;YOLO v8 STSF;监测系统;Android

基金：安徽省科技重大专项(202203a06020007)、福建省重点科技创新研究项目 (2023XQ005)和安徽省高校创新团队项目(2023AH010039)

水稻害虫危害十分巨大，不仅对水稻造成直接的生理破坏，还传播病害，严重时导致稻田绝收，造成难以估量的损失。水稻害虫精准识别与实时监测是减少农业损失的关键，针对虫情测报灯图像中害虫密集、体态差异细微及小目标漏检等问题，提出一种基于YOLO v8-STSF模型的水稻害虫智能识别方法。通过引入Swin Transformer模块增强骨干网络的多尺度特征提取能力，结合分布移位卷积（DSConv）优化颈部网络特征融合，并采用Focal EIoU损失函数提升密集小目标定位精度。构建了包含多类水稻害虫的7000幅图像数据集进行识别验证，YOLO v8-STSF模型在测试集上的精确率为95.45%、召回率为90.45%、F1值为90.03%，较原YOLO v8模型分别提升2.13、0.33、3.09个百分点，在PC端的推理速度为32f/s，满足实时需求。同时以Web端监测系统为基础，设计基于Android移动端的虫情监测系统，在田间测试中系统平均响应时间为1.38s，识别准确率为96.34%，漏检率为3.86%。研究结果可为水稻害虫精准防控提供高效技术支持，推动农业病虫害监测智能化发展。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期