陈恩会 褚姝频 王炜 程大勇 李兴东 赵银娣

摘要：针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题，基于RetinaNet深度学习目标检测模型，构建了一种普适性更广的梨小食心虫智能识别计数方法。试验结果表明，RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93%，平均计数准确率达95.62%，且该方法对拍摄条件要求低，普适性广，优于Faster R-CNN目标检测模型，完全可以在梨小食心虫监测调查中替代人工进行分类计数。

关键词：RetinaNet模型;梨小食心虫;目标检测;智能识别;计数

中图分类号：TP391.4 文献标志码： A

文章编号：1002-1302（2021）24-0205-04

收稿日期：2021-02-11

基金項目：徐州市重点研发计划（编号：KC17055）。

作者简介：陈恩会（1979—），男，江苏邳州人，硕士，高级农艺师，主要从事植物病虫害智能识别与防治研究。E-mail：enhui201@qq.com。

通信作者：赵银娣，博士，副教授，主要从事遥感数据处理、模式识别研究。E-mail：zhaoyd@cumt.edu.cn。

梨小食心虫[Grapholita molesta （Busck）]别称梨小蛀果蛾、东方果蠹蛾，属鳞翅目小卷叶蛾科，是我国发生最为严重的果树食心虫之一，可危害桃、梨、苹果、樱桃、杏等多种果树，造成植株折梢、蛀果等危害，严重影响果品质量和产量[1]。为了掌握梨小食心虫发生动态，目前生产上主要采取性信息素诱捕的方法进行田间监测，诱捕器以三角式、船型为主[2]。性信息素诱捕器内捕获的绝大多数都是梨小食心虫，但也有少量的其他害虫，在梨小食心虫发生高峰期时，性信息素诱捕器中单张性黏虫板上的总虫量高达几百头，人工对这些害虫进行分类计数，费时、费力，而且误差较大，难以满足当前生产实际需求。……