刘凯旋，黄操军，李亚鹏，佟尚谕

（黑龙江八一农垦大学信息与电气学院，大庆 163319）

水稻是我国最重要的粮食作物之一，其产量对着粮食安全和社会的稳定有着重要的影响[1]。虫害会在水稻的生长中会产生不同程度的危害，若能及早的控制害虫规模，就能减少农药的喷施，避免水稻大量减产。只有准确鉴定害虫，才能为害虫防治提供重要的依据。已经有越来越多的学者将深度学习运用到害虫图像的自动化识别中[2-3]。现有的害虫检测可以分成两类，一类是采用常用的计算机视觉特征，再用浅层神经网络做分类。相应的工作有：陈向东等[4]提取颜色、亮度、纹理和深度特征，经过加权融合特征和显著性增强得到相应的分割结果。张永玲等[5]通过特征融合构建完备字典，用支持向量机对9类水稻害虫分类。陈娟等[6]通过富边缘检测算法提取园林害虫图像，改进的残差网络来识别38类园林害虫。杨国国等[7]通过计算茶园害虫的颜色显著值，构造显著性图来对害虫定位，然后用AlexNet网络来识别23种常见类型的茶园害虫。但是这些害虫检测算法由于特征是手工设计的，不但过程复杂，而且会受到在自然环境中害虫姿态角度的影响。另一类是使用深度学习的方法确定识别目标所在候选区域和目标类别。相应的工作有：姚青等[8]通过组归一化和优化FPN结构对RetinaNet进行改进，识别水稻背景稻飞虱和二化螟的水稻危害状。张诗雨等[9]使用聚类算法改进Faster R-CNN[10]的区域提案网络，识别六种常见的粮食害虫。……