赵康迪，单玉刚，袁 杰，赵元龙

（1. 新疆大学 电气工程学院，新疆 乌鲁木齐 830017；2. 湖北文理学院，湖北 襄阳 441000）

玉米是我国重要的粮食作物和工业原料，保持玉米产量稳定对国家粮食安全起着至关重要的作用。但每年玉米受到各类害虫侵害，造成大面积减产，时刻威胁着玉米生产安全[1-3]。特别是近年来迁徙入境的草地贪夜蛾（Spodoptera frugiperda），这种跨国跨洲的虫害已经在世界各地迅速蔓延，对玉米生产造成严重损失[4]。2019 年1 月草地贪夜蛾首次在我国云南省被发现，之后以迅猛之势扩散至全国26个省（自治区、直辖市），玉米受害面积超107万hm2[5]。现今外来虫源持续迁入，造成的危害可能会更加严重。因此，在农业领域中，除了要检测传统虫害，还要对外来虫害物种做到有效检测统计。

随着信息化技术的快速发展，农业信息水平的显著提高，基于机器学习的检测方法已被成功运用到农作物病虫害识别领域[6-8]，并且取得了重要的研究成果。邹永杰等[9]针对番茄虫害叶片使用HOG与LBP 2 种特征提取，以互补的方式提取叶片信息，在公开挑战赛数据集上准确率可以达到99.49%。卢柳江等[10]使用Haar-like 提取害虫的特征，通过级联AdaBoost 分类器来识别害虫，其模型对复杂背景的虫害图片识别率能达到86.67%。上述机器学习方法能够有效地对目标进行识别，但基于传统的机器学习采用的特征提取方法，往往泛化与抗干扰能力比较弱，对多类别的目标检测效果欠佳。

相比传统的机器学习，基于深度学习的检测方法省略了特征选择和提取阶段。……