利用深度学习模型在野外进行蚜虫簇识别与检测
计算机视觉与模式识别
2023-08-14 v1 机器学习
摘要
蚜虫侵染对作物生产、农村社区和全球粮食安全构成重大威胁。尽管化学害虫防治对最大化产量至关重要，但在整片田地施药既不可持续又成本高昂。因此，精准定位与管理蚜虫对于针对性施药必不可少。本文主要关注使用深度学习模型检测蚜虫簇。我们提出一种通过检测蚜虫簇来估计侵染程度的新方法。为推进该研究，我们从高粱田采集了大规模数据集，手动筛选出含蚜虫的 5,447 张图像，并标注了其中每个蚜虫簇。为便于机器学习模型使用，我们进一步将图像裁剪为图块，得到含 151,380 个图像块的有标注数据集。随后，我们在蚜虫数据集上实现并比较了四种最先进目标检测模型（VFNet、GFLV2、PAA 和 ATSS）的性能。大量实验结果表明，所有模型在平均精度与召回率上均表现稳定且相近。我们进而提出合并邻近簇并移除裁剪导致的小簇，性能进一步提升约 17%。该研究证明了利用机器学习模型自动检测与管理昆虫的可行性。标注数据集将向研究界公开。
引用
@article{arxiv.2308.05881,
title = {Aphid Cluster Recognition and Detection in the Wild Using Deep Learning Models},
author = {Tianxiao Zhang and Kaidong Li and Xiangyu Chen and Cuncong Zhong and Bo Luo and Ivan Grijalva and Brian McCornack and Daniel Flippo and Ajay Sharda and Guanghui Wang},
journal= {arXiv preprint arXiv:2308.05881},
year = {2023}
}