|本期目录/Table of Contents|

[1]李建兴,刘振宇,马莹,等.基于YOLOv4的胡瓜钝绥螨自动检测计数[J].江苏农业科学,2022,50(14):199-207.
　Li Jianxing,et al.Automatic detection and counting of Amblyseius cucumeris Oudemans based on YOLOv4[J].Jiangsu Agricultural Sciences,2022,50(14):199-207.
点击复制

基于YOLOv4的胡瓜钝绥螨自动检测计数(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第14期
页码:
199-207
栏目:
农业工程与信息技术
出版日期:
2022-07-20

文章信息/Info

Title:
Automatic detection and counting of Amblyseius cucumeris Oudemans based on YOLOv4
作者:
李建兴; 刘振宇; 马莹; 何栋炜; 郑小刚; 宋江
福建工程学院电子电气与物理学院，福建福州 350118
Author(s):
Li Jianxing; et al
关键词:
胡瓜钝绥螨; 自动检测计数; YOLOv4; GUI品质监控界面; 深度学习模型; 粉螨
Keywords:
-
分类号:
TP391.41；S126
DOI:
-
文献标志码:
A
摘要:
针对胡瓜钝绥螨体积小、与粉螨相似、难以分类计数问题，提出一种基于YOLOv4胡瓜钝绥螨自动检测计数方案。在多时间段、分批次拍摄螨虫照片制作数据集，通过构建YOLOv4深度学习模型对螨虫图像进行特征提取和高精度分类检测。结果表明，基于YOLOv4的螨虫识别模型能在图像存在杂质且螨虫相连情况下准确检测胡瓜钝绥螨，平均检测单幅图片耗时约0.137 s。在测试集中对胡瓜钝绥螨检测精度达到99.45%，粉螨检测精度达到93.94%。对胡瓜钝绥螨和粉螨检测精度均值(mAP)达到96.69%，分别比YOLOv4-Tiny、YOLOv3、Faster-RCNN、EfficientDet模型高14.85、2.12、35.77、27.18百分点。设计螨虫GUI(图形用户界面)品质监控界面，方便检测人员操作。本研究提出的检测方案具有很高的应用价值，能够精准、快速识别胡瓜钝绥螨，可为胡瓜钝绥螨养殖质量检测提供技术支撑。
Abstract:
-

参考文献/References:

［1］孙贝贝，郑书恒，梁铁双，等. 几种常见捕食螨的研究与应用［J］. 农业工程技术，2020，40(1)：20-23.
［2］卜俊怡，孙国祥，王迎旭，等. 基于诱虫板图像的温室番茄作物害虫识别与监测方法［J］. 南京农业大学学报，2021，44(2)：373-383.
［3］陆静，王家亮，朱赛华，等. 基于特征优化的稻飞虱图像分类［J］. 南京农业大学学报，2019，42(4)：767-774.
［4］张银松，赵银娣，袁慕策.基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数［J］. 中国农业大学学报，2019，24(5)：115-122.
［5］肖德琴，黄一桂，张远琴，等. 基于改进Faster R-CNN的田间黄板害虫检测算法［J］. 农业机械学报，2021，52(6)：242-251.
［6］张永玲，姜梦洲，俞佩仕，等. 基于多特征融合和稀疏表示的农业害虫图像识别方法［J］. 中国农业科学，2018，51(11)：2084-2093.
［7］董伟，钱蓉，张洁，等. 基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数［J］. 中国农业科技导报，2019，21(12)：76-84.
［8］候瑞环，杨喜旺，王智超，等. 一种基于YOLOv4-TIA的林业害虫实时检测方法［J/OL］. 计算机工程(2021-04-26)［2022-07-22］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=JSJC20210425006 & uniplatform=NZKPT&v=g9BjGJf5ZLVc3B6SvqWvaSd9JdaS_ETMii5sE3PXy6Dhh3yb2y6unz8vJErN7l_l.
［9］袁哲明，袁鸿杰，言雨璇，等. 基于深度学习的轻量化田间昆虫识别及分类模型［J］. 吉林大学学报(工学版)，2021，51(3)：1131-1139.
［10］Redmon J，Divvala S，Girshick R，et al. You only look once：unified，real-time object detection［C］// IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas：IEEE，2016.
［11］Redmon J，Farhadi A.YOLO9000：Better，faster，stronger［C］// IEEE Conference on Computer Vision and Pattern Recognition.Honolulu：IEEE，2017：6517-6525.
［12］Redmon J，Farhadi A.YOLOv3：An incremental improvement［EB/OL］. (2018-04-08)［2021-06-30］. https：//arxiv.org/abs/1804.02767.
［13］Bochkovskiy A，Wang C Y，Liao H Y M.YOLOv4：Optimal speed and accuracy of object detection［EB/OL］. (2020-04-23)［2021-06-30］. https：//arxiv.org/abs/2004.10934.
［14］邹慧海，侯进.基于改进SSD算法的道路小目标检测研究［J/OL］. 计算机工程(2021-06-09)［2021-06-30］. https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=JSJC20210608004 & uniplatform=NZKPT&v=g9BjGJf5ZLUFA9XjmB9-iTEpc18voI1bIUuKpGBDC dmCivGqRJF1IGUjEQJz9MQN.
［15］许德刚，王露，李凡.深度学习的典型目标检测算法研究综述［J］. 计算机工程与应用，2021，57(8)：10-25.
［16］Ren S Q，He K M，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39(6)：1137-1149.
［17］吴雪，宋晓茹，高嵩，等. 基于深度学习的目标检测算法综述［J］. 传感器与微系统，2021，40(2)：4-7，18.
［18］Tan M X，Pang R M，Le Q V.EfficientDet：Scalable and efficient object detection［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Seattle：IEEE，2020.
［19］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］// IEEE Conference on Computer Vision and Pattern Recognition.Honolulu：IEEE，2017.
［20］Wang C Y，Bochkovskiy A，Liao H Y M.Scaled-YOLOv4：scaling cross stage partial network［C］// 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Nashville：IEEE，2021.
［21］Lin T Y，Maire M，Belongie S，et al. Microsoft COCO：common objects in context［C］//European Conference on Computer Vision. Amsterdam，2014.

相似文献/References:

[1]潘义宏,穆青,蒋水萍,等.综合防治措施对西花蓟马和烤烟番茄斑萎病的防治效果[J].江苏农业科学,2018,46(22):96.
　Pan Yihong,et al.Control efficacy of integrated control measures on Frankliniella occidentalis and tobacco leaf spotted wilt disease[J].Jiangsu Agricultural Sciences,2018,46(14):96.

备注/Memo

备注/Memo:
收稿日期：2021-08-24
基金项目：高校产学合作项目(编号：2021N5004)；福建省自然科学基金(编号：2020J01876)。
作者简介：李建兴(1968—)，男，福建古田人，硕士，教授，主要从事机器视觉、智能控制、分布式控制与集成自动化研究。E-mail：lijx@fjut.edu.cn。
通信作者：马莹，硕士，副教授，主要从事智能控制、通信网研究。E-mail：3187793700@qq.com。
更新日期/Last Update: 2022-07-20