开发用于甜菜田蚜虫自动计数的混合卷积神经网络
计算机视觉与模式识别
2025-05-20 v2
摘要
蚜虫可对作物造成直接损害并间接传播病毒。因此对其种群的及时监测与控制至关重要。然而，最为常见的手动计数蚜虫做法费力且耗时。此外，蚜虫计数中的两大挑战在于蚜虫为小目标且其在田块不同区域的密度分布各异。为应对这些挑战，我们提出了一种集成检测网络与密度图估计网络的混合自动蚜虫计数网络架构。当蚜虫分布密度低时，利用改进的 Yolov5 计数蚜虫；反之当分布密度高时，切换至 CSRNet 计数蚜虫。据我们所知，这是首个集成检测网络与密度图估计网络用于计数任务的框架。通过蚜虫计数对比实验，验证了所提方法在蚜虫计数上优于所有其他方法。其在标准与高密度蚜虫数据集上均取得最低 MAE 与 RMSE 值：标准集为 2.93 与 4.01，高密度集为 34.19 与 38.66。此外，改进 Yolov5 的 AP 比原始 Yolov5 高 5%。尤其对于极小蚜虫与密集分布蚜虫，改进 Yolov5 的检测性能显著优于原始 Yolov5。本工作为甜菜田由蚜虫引发的预警提供了有效手段，为甜菜生长提供保护并保障甜菜产量。数据集与项目代码发布于：https://github.com/JunfengGaolab/Counting-Aphids。
引用
@article{arxiv.2308.05257,
title = {Developing a Hybrid Convolutional Neural Network for Automatic Aphid Counting in Sugar Beet Fields},
author = {Xumin Gao and Wenxin Xue and Callum Lennox and Mark Stevens and Junfeng Gao},
journal= {arXiv preprint arXiv:2308.05257},
year = {2025}
}
备注
Published in Computers and Electronics in Agriculture, Volume 220, May 2024, Article 108910