林相泽 张俊媛 徐 啸 朱赛华 刘德营

(南京农业大学人工智能学院， 南京 210031)

0 引言

水稻是我国主要粮食作物，其种植面积大，产量高，是我国单产最高、总产最多的粮食作物[1]。水稻生长过程中会受到各种病虫害的影响，从而使水稻低产减收，稻飞虱是水稻生长过程中危害最严重的害虫之一[2]。因此，稻飞虱的识别分类研究对于稻田害虫早期预防治理和精准用药都具有重要意义。

为了实现稻飞虱虫情的准确测报，对稻飞虱的图像进行识别与分类成为近年来的重要研究内容。陆静等[3]结合稻飞虱图像特征和F值特征评价方法对稻飞虱图像进行训练分类；SARIN等[4]提出了一种基于颜色和灰度共生矩阵图像特征训练的支持向量机分类算法，实现对稻飞虱的位置检测和阶段分类。TSAI等[5]提出了一种感兴趣区域(Region of interest, ROI)来检测稻飞虱的方法，将获取其HSV空间中的矩形ROI与决策树算法对解析数据进行分类从而得到稻飞虱的二进制图像。林相泽等[6]提出了一种基于迁移学习和Mask R-CNN相结合的稻飞虱图像分类算法，通过结合迁移学习与Mask R-CNN算法分别对稻飞虱黏连、重合的昆虫图像进行分类试验。

以上方法均对稻飞虱图像的分类取得了一定的研究成果，但是，对于在图像采集过程中出现的不完整稻飞虱图像的识别分类并未做讨论，而不完整的害虫图像显著影响稻飞虱的识别精度。因此，本文提出一种不完整图像下稻飞虱识别与分类方法。该方法结合字典学习的稀疏性和SSD (Single shot multibox detector)算法的快速准确性，对不完整的稻飞虱图像进行精准快速识别，以为稻飞虱虫情监测和预警提供有效的信息和技术支持。……