郭庆文，王春桃,2，肖德琴，黄 琼,2

利用显著图构建注意力深度网络检测诱虫板蔬菜害虫

郭庆文1，王春桃1,2※，肖德琴1，黄 琼1,2

（1. 华南农业大学数学与信息学院，广州 510642；2. 广州市智慧农业重点实验室，广州 510642）

为提高诱虫板图像蔬菜害虫检测精度，针对背景区域容易导致误检的问题基于显著图分析技术构建了一种注意力深度网络害虫智能视觉检测方法。首先通过显著图筛选出粗候选区域；然后在粗候选区域内用全卷积神经网络精选出细候选区域；接着用神经网络分类器识别细候选区域害虫种类，得到含有冗余的若干检测框；最后用改进的非极大值抑制消除冗余检测框，实现诱虫板图像中目标害虫的检测。针对小菜蛾和瓜实蝇展开试验，获得86.40%的平均精度均值和0.111只的平均绝对计数误差均值，所提方法平均精度均值比Faster R-CNN和YOLOv4分别高2.74和1.56个百分点，平均绝对计数误差均值比Faster R-CNN和YOLOv4分别低0.006和0.003只；同时，消融试验中移除显著图注意力模块后平均精度均值下降了4个百分点、平均绝对计数误差均值增加了0.207只。试验结果表明，所提方法有效提高了诱虫板图像蔬菜害虫检测精度，其中，引入显著图注意力模块对提升检测精度有重要作用。

图像识别；机器视觉；害虫检测；智能视觉检测；深度学习；显著图

0 引 言

蔬菜在生长过程中易受农业害虫侵扰，农业害虫防治工作直接关系蔬菜产业的良好发展[1-2]。害虫数目统计是农业害虫防治理论研究的重要前提，也是害虫防治效果评估的主要手段[3]。……