基于卷积神经网络的油茶害虫生态识别DOI:10.19692/j.issn.1006-1126.20230313摘要：害虫是影响油茶（Camelliaspp.）产量的主要因素之一，对其进行准确识别有助于及时防控，减少损失。目前，油茶害虫识别研究缺少相关的数据集，限制了深度学习技术在油茶害虫识别中的应用。为给在生态环境下准确识别油茶害虫提供1种新范式，构建包含1116张7类害虫的油茶害虫识别图像数据集，采用4种目标检测算法（SSD、YOLOv3、YOLOX和RetinaNet）在该数据集上进行试验。结果表明，IOU阈值为0.5时，SSD的平均精度为93.50%，YOLOX为93.50%，RetinaNet为86.80%，YOLOv3为96.60%；SSD的平均召回率为73.20%，YOLOX为75.10%，RetinaNet为78.00%，YOLOv3为76.80%。综合分析，YOLOv3的检测和分类能力最优。关键词：害虫识别；目标检测算法；油茶中图分类号：S794.4文献标识码：A收稿日期：2023-03-16基金项目：广西林业科技推广示范项目（桂林科研[2022]第17号）；中国—东盟（华为）人工智能创新中心补贴项目（桂数发[2022]20-1-14）第一作者：梁秀豪（1997—），男，硕士，主要从事林业人工智能研究。通信作者：韦维（1982—），男，正高级工程师，主要从事林业信息化研究；王国全（1974—），男，教授，主要从事昆虫分类研究。梁秀豪1，杨丽萍1，廖旺姣1，黄丽芸1，陈健武1，阳文林1，蒙芳1，黄超航2，韦维1，王国全3（1.广西壮族自治区林业科学研究院广西特色经济林培育与利用重点实验室广西林业有害生物天敌繁育工程技术研究中心，广西南宁530002；2.浙江师范大学，浙江金华321004；3.广西大学农学院，广西南宁530004）EcologicalIdentificationofCamelliaspp.PestsBasedonConvolutionalNeuralNetworksLiangXiuhao1,YangLiping1,LiaoWangjiao1,HuangLiyun1,ChenJianwu1,YangWenlin1,MengFang1,HuangChaohang2,WeiWei1,WangGuoquan3(1.GuangxiForestryResearchInstitute,GuangxiKeyLaboratoryofSpecialNon-woodForestsCultivationandUtilization,GuangxiForestPestsNaturalEnemiesBreedingResearchCenterofEngineeringTechnology,Nanning,Guangxi530002,China;2.ZhejiangNormalUniversity,Jinhua,Zhejiang321004,China;3.CollegeofAgriculture,GuangxiUniversity,Nanning,Guangxi530004,China)Abstract:PestsareoneofthemostsignificantfactorsaffectingyieldsofCamelliaspp.,andaccurateidentifica⁃tionofpestsishelpfultocontroltimelyandreducelosses.However,relev...
