肖德琴 黄一桂 张远琴 刘又夫 林思聪 杨文涛

(华南农业大学数学与信息学院， 广州 510642)

0 引言

广东省四季温度变化不大、降雨充沛，气候条件非常适合蔬菜害虫的生长繁殖，这导致蔬菜在生长过程中极易受到害虫的危害，蔬菜害虫的爆发降低了蔬菜产量从而造成巨大的经济损失[1-2]。对害虫进行预测是防治害虫的重要前提。目前，我国蔬菜害虫预测方法主要利用人工对黄板上的害虫进行分类和计数，但该方法存在缺乏客观性、效率低下、误差大等问题。因此，亟需一种快速、智能的黄板害虫检测方法。

近年来，国内外针对农田害虫图像检测算法已经取得显著成果[3-6]。然而，这些研究均使用传统图像检测算法，存在对图像环境背景要求较高、扩展性不强、数据预处理复杂以及迁移性低等问题，使农田害虫图像检测算法无法大面积应用。

近年来，由于Fast R-CNN、Faster R-CNN、YOLO和SSD等深度学习算法具有良好的检测性能，因此应用深度学习算法进行农业害虫识别逐渐成为研究热点[7-9]。已有算法[10-13]对害虫检测精度都很高，但是这些算法均针对特定群体的害虫而设计，并未结合体积小、数量多和分布不均匀的特点对黄板诱捕的蔬菜害虫进行设计。同时，黄板害虫图像是像素较大的手机图像，而上述算法处理的是其他设备拍摄的图像，难以迁移使用。目前，在农业病害识别系统[14-22]中缺乏关于黄板害虫检测的研究，而黄板诱捕害虫的应用却非常广泛。手机是一种可普遍应用的移动智能设备，是需要一种基于黄板诱捕害虫的便携式智能识别算法，从而实现利用手机对害虫进行检测和识别。……