李军马行穆春阳王梦雪刘宝成李亚东

(1. 北方民族大学电气信息工程学院，宁夏银川 750021；2. 北方民族大学宁夏智能信息与大数据处理重点实验室，宁夏银川 750021；3. 北方民族大学机电工程学院，宁夏银川 750021)

蝗灾、旱灾、涝灾曾并称为三大自然灾害，一直是中国农业防治的重点对象。 但在自然环境下，蝗虫目标小，同时受光照、遮挡等因素干扰，识别难度大。 因此，在现代农林业领域做到及时且准确的蝗虫监测意义重大[1]。

近年来，随着深度学习的发展，神经网络已经被广泛应用在害虫识别领域。 例如张博等[2]将空间金字塔池化和YOLOv3 卷积神经网络相结合，实现了实际场景下20 类害虫的识别，且识别精度达到88.07%。 许德刚等[3]提出了一种改进的Faster RCNN 粮虫目标检测方法，在自制数据集下实现了89.42%的精确度，为粮食存储安全提供了虫害监测新思路。 杨红云等[4]提出的基于迁移学习和卷积神经网络相结合的水稻害虫识别方法，使用VGG16 模型，实现了稻飞虱等5 种水稻害虫的识别。 甘雨等[5]通过改进EfficientNet模型实现作物害虫识别，在公开的大规模作物害虫数据集IP102 上实现了69.45%的识别率。 上述研究成果表明利用神经网络能够为害虫识别提供解决方法。

在蝗虫识别方面，近些年也取得了一些研究进展。 2017年刘欣[6]提出了基于无人机遥感平台的蝗虫灾害监测方法，该方法采用无人机遥感技术进行图像拍摄，然后将图像回传处理，对于大面积虫害识别具有较强的图像分析能力，但是对于小区域以及林地深处虫情无法兼顾，而且采用远端服务器进行图像处理，延迟高。……