基于Keras-YOLOv3网络的梨小食心虫检测及计数方法研究

[目的]梨小食心虫是世界性的果树害虫之一,世代重叠率高,其幼虫危害最为严重,因其有钻蛀性不易被发现和防治,需要确定成虫的为害动态再根据测报理论指导Ⅰ龄害虫的防治.目前,梨小食心虫害虫的监测主要是通过水盆法诱集并人工对成虫进行计数,但是,人工计数调查后推测梨小食心虫种群动态,不能及时获取种群信息并进行防控,将会带来不可估量的经济损失.因此,探索精准、快速监测梨小食心虫种群动态变化的智能化技术,为其有效防控,实现果品高产优产提供新思路成为了亟待解决的问题.[方法]本文采用Keras?YOLOv3目标检测法识别梨小食心虫并计数,将已采集的梨小食心虫图像经过Keras中数据增强功能进行模型输入等处理,提高梨小食心虫图像辨识、定位和计数的精准度和效率.[结果]自然条件下,Keras?YOLOv3网络模型对梨小食心虫的检测速度为每张0.042 s,检测平均精度mAP值为88.2％,计数精确率为94.5％,较传统YOLOv3模型依次分别提高了10.6％、7.1％、12.0％.在多种害虫并发时,本模型训练的网络环境复杂度欠缺且害虫种类少,梨小食心虫检测的平均精度mAP降至79.98％,计数准确率降至83％.[结论]该网络模型可以方便快捷地检测梨小食心虫以及计数,为梨小食心虫害虫种群监测防治智能化提供了新思路,扩大了计算机视觉中的目标检测模型的适用范围,实现了田间小型昆虫的检测识别,为其提供了参考依据.