《表1 测报灯下16种常见害虫的自动识别样本分布和准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的病虫害智能化识别系统》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

选取田间测报灯下害虫图像数据库中90%的图像用作训练样本，10%用作测试样本，对灯下害虫种类识别进行实操训练。在常见16种害虫的自动识别训练中，图像总数量约18万张。因为同一张图像可能包含不同种类的病虫害。所以，表1中列出的针对每一类的图像数量表示含有该类虫害的图像数量，并不是仅含有该类虫害的图像，如含有稻纵卷叶螟的图像是1.369万张，含有二化螟的图像是0.855万张，2者之间会有重复统计。因此，不同害虫种类所涉及的图像为7 000～30 000张，单张图片包含的目标数为1～7个（表1）。识别结果中检测框对应的编号代表害虫被识别的结果，不同颜色对应不同种类的害虫，只有特定的害虫类别在检测范围之内（图5）。目前，该系统对稻纵卷叶螟、黏虫、棉铃虫、二点委夜蛾、斜纹夜蛾、小地老虎、旋幽夜蛾、暗黑鳃金龟、铜绿异丽金龟、东方蝼蛄、细胸金针虫等害虫的识别准确率均在80%以上，对二化螟、玉米螟、大螟、甘蓝夜蛾的识别准确率也高于70%，而甜菜夜蛾由于在单张图像中尺寸占比偏小，准确率较低。随着测报灯下害虫图像数据库的持续丰富，数据量的提升将有助于模型的训练，从而提高自动识别准确率；而小目标的检测任务一直是自动识别的难题，一般通过特征金字塔或者图像金字塔优化检测。