数字农科院2.0

农业复杂环境下尺度自适应小目标识别算法——以蜜蜂为例

文献类型： 中文期刊

作者： 郭秀明;诸叶平;李世娟;张杰;吕纯阳;刘升平

作者机构：

关键词： 目标检测; 机器视觉; 小目标; 农业环境; 蜜蜂; SSD; YOLOv3

期刊名称：智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2022 年

页码：

收录情况： 农林核心（2020版）

摘要： 农业生产环境中的目标识别对象常具有分布密集、体积小、密度大的特点，加之农田环境光照多变、背景复杂，导致已有目标检测模型无法取得令人满意的效果。本研究以提高小目标的识别性能为目标，以蜜蜂识别为例，提出了一种农业复杂环境下小目标尺度自适应识别算法。算法克服复杂多变的背景环境的影响及目标体积较小导致特征提取困难的问题，实现目标尺度无关的小目标识别。首先将原图拆分为一些较小尺寸的子图以提高目标尺度，将已标注的目标分配到拆分后的子图中，形成新的数据集，然后采用迁移学习的方法重新训练并生成新的目标识别模型。在模型的使用中，为使子图识别结果能正常还原，拆分的子图之间需具有一定的重叠率。收集所有子图的目标识别结果，采用非极大抑制（Non-Maximum Suppression,NMS）去除由于模型本身产生的冗余框，提出一种交小比非极大抑制（Intersection over Small NMS,IOS-NMS）进一步去除子图重叠区域中的冗余框。在子图像素尺寸分别为300×300、500×500和700×700，子图重叠率分别为0.2和0.05的情况下进行验证试验，结果表明：采用SSD （Single Shot MultiBox Detector）作为框架中的目标检测模型，新提出的尺度自适应算法的召回率和精度普遍高于SSD模型，最高分别提高了3.8%和2.6%，较原尺度的YOLOv3模型也有一定的提升。为进一步验证算法在复杂背景中小目标识别的优越性，从网上爬取了不同尺度、不同场景的农田复杂环境下的蜜蜂图片，并采用本算法和SSD模型进行了对比测试，结果表明：本算法能提高目标识别性能，具有较强的尺度适应性和泛化性。由于本算法对于单张图片需要多次向前推理，时效性不高，不适用于边缘计算。

分类号：

  • 相关文献

[1]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[2]广西胡蜂的敌害初步调查. 蒋学建,杨卅,赵鹏飞,罗辑,常明山,汪景安,侯春生. 2021

[3]Determination And Validation Of Soil T.hresholds For Cadmium Based O n Food Quality Standard And Health Risk Assessment. Ding, CF, Ma, YB, Li, XG, Zhang, TL, Wang, XX. 2018

[4]Intelligent Survey Method for Tiny Rice Pests and Their Natural Predators in Paddy Fields Using Augmented Reality (AR) Glasses. 洪辰,,罗举,,冯泽霖,,凌和平,,李玲一,,吴坚,,姚青,,刘淑华. 2025

[5]基于SSD模型的巢门蜜蜂检测. 吕纯阳,刘升平,郭秀明,肖顺夫,刘大众,杨菲菲,李路华. 2021

[6]基于轻量化YOLOv3卷积神经网络的苹果检测方法. 武星,齐泽宇,王龙军,杨俊杰,夏雪. 2020

[7]基于Mask R-CNN的玉米干旱卷曲叶片检测. 安江勇,黎万义,李茂松. 2019

[8]基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证. 姚青,吴叔珍,蒯乃阳,杨保军,唐健,冯晋,朱旭华,朱先敏. 2021

[9]基于区域亮度自适应校正的茶叶嫩芽检测模型. 吕军,方梦瑞,姚青,武传宇,贺盈磊,边磊,钟小玉. 2021

[10]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[11]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[12]基于机器视觉的小贯小绿叶蝉智能识别的研究与应用. 边磊,何旭栋,季慧华,蔡晓明,罗宗秀,陈华才,陈宗懋. 2022

[13]基于YOLO V3的葡萄病害人工智能识别系统. 王超学,祁昕,马罡,朱亮,王白暄,马春森. 2022

[14]基于深度学习的近地面草原鼠洞识别计数关键问题研究与应用. 郭秀明,王大伟,刘升平,诸叶平,刘晓辉,林克剑,王佳宇,李非. 2024

[15]果园作业机器人自主导航多任务联合感知方法研究. 张津国,蔡建峰,姜蓉蓉,余山山,王蓬勃. 2025

[16]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[17]基于机器视觉的蚕豆荚高精度检测方法研究. 夏子林,张新洲,王文波,夏先飞,陈兰,顾寄南. 2025

[18]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

[19]基于改进YOLOv8模型的冬小麦穗识别技术. 宫志宏,闫锦涛,于红,刘涛,刘布春,李树岩. 2026

[20]基于YOLO与扩散模型的冠层环境灰茶尺蠖幼虫检测方法. 罗学论,Mostafa GOUDA,宋馨蓓,胡妍,张文凯,何勇,张瑾,李晓丽. 2025

作者其他论文 更多>>