基于多原型指导的小样本水稻害虫识别与分类-《江苏农业科学》

文章信息/Info

Title:: Recognition and classification of rice pests in small samples based on multi-prototype guidance

作者:: 李军¹; 李志伟²; 李艳红³; 1.山西华澳商贸职业学院科研处，山西晋中 030600； 2.山西农业大学农业工程学院，山西太谷 030801； 3.晋中职业技术学院机电工程系，山西晋中 030600

Author(s):: Li Jun; et al

关键词:: 水稻; 害虫识别; 多原型; 小样本学习; 超像素聚类; 注意力机制

Keywords:: -

分类号:: TP391.41

DOI:: -

文献标志码:: A

摘要:: 精确识别与分类复杂场景下水稻害虫对水稻病害治理与产量提升具有重要的研究意义，提出一种基于多原型指导的小样本水稻害虫识别与分类模型。首先，利用Vision Transformer网络作为主干网络进行特征映射，将水稻害虫图片映射到深度特征空间；其次，利用可微分的超像素聚类算法实现深度特征图中类特定原型的聚类分组，构造水稻多类型害虫的特征表达；再次，提出一种双通道特征融合注意力模块实现水稻害虫支持特征和查询特征的深度融合；最后，利用无参数的度量学习算法计算待测水稻病虫害图片特征与深度融合特征之间的距离，根据距离值实现待测病虫害图片的识别与分类。试验结果表明，所提出的水稻害虫识别模型可以实现0.955的识别准确率、0.941的精确率、0.949的召回率和0.962的F₁值，与AlexNet、ResNet、YOLO v5、Vgg-16、Inception v3和LeNet5等模型相比，所提出模型的各项指标表现良好。该方法的提出为农作物害虫的智能化识别提供了新的思路。

Abstract:: -

参考文献/References:

［1］Li D S，Wang R J，Xie C J，et al. A recognition method for rice plant diseases and pests video detection based on deep convolutional neural network［J］. Sensors，2020，20(3)：578.
［2］Yang G F，Chen G P，Li C，et al. Convolutional rebalancing network for the classification of large imbalanced rice pest and disease datasets in the field［J］. Frontiers in Plant Science，2021，12：671134.
［3］Li L L，Zhang S J，Wang B. Plant disease detection and classification by deep learning-a review［J］. IEEE Access，2021，9：56683-56698.
［4］Kharim M，Wayayok A，Abdullah A，et al. Predictive zoning of pest and disease infestations in rice field based on UAV aerial imagery［J］. The Egyptian Journal of Remote Sensing and Space Science，2022，25(3)：831-840.
［5］Larijani M，Asli A，Kozegar E，et al. Evaluation of image processing technique in identifying rice blast disease in field conditions based on KNN algorithm improvement by K-means［J］. Food Science & Nutrition，2019，7(12)：3922-3930.
［6］Xiao D Q，Feng J Z，Lin T Y，et al. Classification and recognition scheme for vegetable pests based on the BOF-SVM model［J］. International Journal of Agricultural and Biological Engineering，2018，11(3)：190-196.
［7］Chen J，Lian Y，Li Y M. Real-time grain impurity sensing for rice combine harvesters using image processing and decision-tree algorithm［J］. Computers and Electronics in Agriculture，2020，175：105591.
［8］Sangeetha T，Lavanya G，Mythili K，et al. Detection of pest and disease in banana leaf using convolution Random Forest［J］. Test Eng Manag，2020，83：3727-3735.
［9］Sun D Q，Rickaille M，Xu Z G. Determinants and impacts of outsourcing pest and disease management：evidence from Chinas rice production［J］. China Agricultural Economic Review，2018，10(3)：443-461.
［10］He Y，Zhou Z Y，Tian L H，et al. Brown rice planthopper (Nilaparvata lugens Stal) detection based on deep learning［J］. Precision Agriculture，2020，21(6)：1385-1402.
［11］卫雅娜，王志彬，乔晓军，等. 基于注意力机制与EfficientNet的轻量化水稻病害识别方法［J］. 中国农机化学报，2022，43(11)：172-181.
［12］梁勇，邱荣洲，李志鹏，等. 基于YOLO v5和多源数据集的水稻主要害虫识别方法［J］. 农业机械学报，2022，53(7)：250-258.
［13］曾伟辉，张文凤，陈鹏，等. 基于SCResNeSt的低分辨率水稻害虫图像识别方法［J］. 农业机械学报，2022，53(9)：277-285.
［14］Li Y，Qian M Y，Liu P F et al. The recognition of rice images by UAV based on capsule network［J］. Cluster Computing，2019，22：9515-9524.
［15］肖小梅，杨红云，易文龙，等. 改进的Alexnet模型在水稻害虫图像识别中的应用［J］. 科学技术与工程，2021，21(22)：9447-9454.
［16］Rahman C，Arko P，Ali M，et al. Identification and recognition of rice diseases and pests using convolutional neural networks［J］. Biosystems Engineering，2020，194：112-120.
［17］鲍文霞，吴德钊，胡根生，等. 基于轻量型残差网络的自然场景水稻害虫识别［J］. 农业工程学报，2021，37(16)：145-152.
［18］Chang Z B，Lu Y G，Wang X W，et al. MGNet：Mutual-guidance network for few-shot semantic segmentation［J］. Engineering Applications of Artificial Intelligence，2022，116：105431.
［19］Han K，Wang Y H，Chen H T，et al. A survey on vision transformer［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2022，45(1)：87-110.
［20］Li G，Jampani V，Sevilla-Lara L，et al. Adaptive prototype learning and allocation for few-shot segmentation［C］//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2021：8334-8343.

相似文献/References:

[1]马旭俊,刘春娟,吕世博,等.绿色荧光蛋白基因在水稻遗传转化中的应用[J].江苏农业科学,2013,41(04):35.
[2]李岳峰,居立海,张来运,等.水分胁迫下丛枝菌根对水稻/绿豆间作系统作物生长和氮磷吸收的影响[J].江苏农业科学,2013,41(04):58.
[3]崔月峰,孙国才,王桂艳,等.不同施氮水平和前氮后移措施对水稻产量及氮素利用率的影响[J].江苏农业科学,2013,41(04):66.
[4]张其蓉,宋发菊,田进山,等.长江中下游稻区水稻区域试验品种抗稻瘟病鉴定与评价[J].江苏农业科学,2013,41(04):92.
[5]王麒,张小明,卞景阳,等.不同插秧密度对黑龙江省第二积温带水稻产量及产量构成的影响[J].江苏农业科学,2013,41(05):60.
　Wang Qi,et al.Effect of different transplanting density on yield and yield component of rice in second temperature zone of Heilongjiang Province[J].Jiangsu Agricultural Sciences,2013,41(20):60.
[6]张国良,张森林,丁秀文,等.基质厚度和含水量对水稻育秧的影响[J].江苏农业科学,2013,41(05):62.
　Zhang Guoliang,et al.Effects of substrate thickness and water content on growth of rice seedlings[J].Jiangsu Agricultural Sciences,2013,41(20):62.
[7]赵忠宝,朱清海.稻－蟹－鳅生态系统的能值分析[J].江苏农业科学,2013,41(05):349.
　Zhao Zhongbao,et al.Emergy analysis of paddy-crab-loach ecosystem[J].Jiangsu Agricultural Sciences,2013,41(20):349.
[8]杨红福,姚克兵,束兆林,等.甲氧基丙烯酸酯类杀菌剂对水稻恶苗病的田间药效[J].江苏农业科学,2014,42(12):166.
　Yang Hongfu,et al.Field efficacy of strobilurin fungicides against rice bakanae disease[J].Jiangsu Agricultural Sciences,2014,42(20):166.
[9]唐成,陈露,安敏敏,等.稻瘟病诱导水稻幼苗叶片氧化还原系统的特征谱变化[J].江苏农业科学,2014,42(12):141.
　Tang Cheng,et al.Characteristic spectral changes of redox homeostasis system in rice seedling leaves induced by rice blast[J].Jiangsu Agricultural Sciences,2014,42(20):141.
[10]万云龙.优质水稻—春甘蓝轮作高效栽培模式[J].江苏农业科学,2014,42(12):90.
　Wan Yunlong.Efficient cultivation mode of high quality rice-spring cabbage rotation[J].Jiangsu Agricultural Sciences,2014,42(20):90.
[11]雷建云,陈楚,郑禄,等.基于改进残差网络的水稻害虫识别[J].江苏农业科学,2022,50(14):190.
　Lei Jianyun,et al.Identification of rice pests based on improved residual network[J].Jiangsu Agricultural Sciences,2022,50(20):190.

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

文章信息/Info

参考文献/References:

相似文献/References:

备注/Memo

常用功能

导航/Navigate

工具/Tools

统计/Statistics