新農(nóng)科背景下基于AI昆蟲(chóng)識(shí)別軟件的實(shí)驗(yàn)教學(xué)改革

摘" 要：從昆蟲(chóng)智能識(shí)別入手開(kāi)展新農(nóng)科背景下昆蟲(chóng)學(xué)的實(shí)驗(yàn)教學(xué)改革和實(shí)踐。軟件由昆蟲(chóng)圖片上傳、模型訓(xùn)練、目標(biāo)檢測(cè)以及導(dǎo)出結(jié)果4個(gè)模塊組成。完成目標(biāo)檢測(cè)的圖片根據(jù)需要保存。AI昆蟲(chóng)識(shí)別軟件的開(kāi)發(fā)過(guò)程在Visual Studio Code環(huán)境下進(jìn)行，采用Python語(yǔ)言進(jìn)行編程，實(shí)現(xiàn)對(duì)拍攝圖片的高效率、高精度檢測(cè)。最后擬通過(guò)學(xué)生本科實(shí)驗(yàn)教學(xué)環(huán)節(jié)，開(kāi)放成為農(nóng)科學(xué)生進(jìn)行昆蟲(chóng)識(shí)別鑒定的實(shí)踐工具，極大激發(fā)農(nóng)科學(xué)生的上課激情，同時(shí)也有助于在新農(nóng)科背景下培養(yǎng)農(nóng)科類(lèi)學(xué)生的現(xiàn)代農(nóng)業(yè)創(chuàng)新思維。

關(guān)鍵詞：新農(nóng)科；AI；昆蟲(chóng)；實(shí)驗(yàn)教學(xué)；改革

中圖分類(lèi)號(hào)：G642" " " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2096-9902（2024）05-0013-04

Abstract： Starting with the intelligent recognition of insects， the experimental teaching reform and practice of entomology in the context of new agriculture were carried out. The software consists of four modules： insect picture upload， model training， target detection and results exporting. The pictures that complete the target detection are saved as needed. The development process of the software is carried out in Visual Studio Code environment， and Python language is used to realize the high efficiency and high precision detection of taking pictures. Finally， through the undergraduate experimental teaching， it is proposed to become a practical tool for agricultural students to identify and identify insects， which can greatly stimulate the enthusiasm of agricultural students in class. At the same time， it is also helpful to cultivate agricultural students' innovative thinking of modern agriculture in the context of New Agricultural Science.

Keywords： New Agricultural Science; AI; insect; experimental teaching; reform

昆蟲(chóng)學(xué)實(shí)驗(yàn)教學(xué)內(nèi)容涵蓋昆蟲(chóng)的形態(tài)、內(nèi)部器官和分類(lèi)等內(nèi)容，需要大量昆蟲(chóng)標(biāo)本作為教學(xué)材料。然而，昆蟲(chóng)標(biāo)本由于采集、使用和保存等原因，難免會(huì)出現(xiàn)損壞和缺失。有些標(biāo)本因存放年代久遠(yuǎn)且存放條件簡(jiǎn)陋，可能會(huì)出現(xiàn)蟲(chóng)蛀、霉變等情況，導(dǎo)致標(biāo)本的形態(tài)特征受損。一些標(biāo)本由于使用頻率高，難以避免損壞或缺失。某些生物標(biāo)本的采集具有季節(jié)性，例如某些害蟲(chóng)在不同年份發(fā)生程度不同，而某些害蟲(chóng)的蟲(chóng)態(tài)非常小或位于隱蔽位置，不易被發(fā)現(xiàn)，導(dǎo)致實(shí)驗(yàn)教學(xué)長(zhǎng)期缺乏這些害蟲(chóng)的蟲(chóng)態(tài)，從而在一定程度上影響了實(shí)驗(yàn)課程的完整性。實(shí)驗(yàn)課程和實(shí)習(xí)受季節(jié)和氣候變化的影響，很多重要物種以及一些發(fā)育階段無(wú)法觀察到，這也極大地影響了教學(xué)效果。

習(xí)近平總書(shū)記指出，農(nóng)業(yè)農(nóng)村現(xiàn)代化關(guān)鍵在科技、在人才。目前科技已經(jīng)滲透到農(nóng)業(yè)生產(chǎn)的各個(gè)方面。其中，因?yàn)槿斯ぶ悄艿纳疃葷B透，精準(zhǔn)農(nóng)業(yè)和信息農(nóng)業(yè)已經(jīng)成為現(xiàn)代農(nóng)業(yè)科技前沿之一，為新農(nóng)科的教育教學(xué)也帶來(lái)了諸多的創(chuàng)新和變革[1-2]。如何應(yīng)用這個(gè)利器在新農(nóng)科背景下改造農(nóng)科實(shí)踐教學(xué)成為我們應(yīng)當(dāng)思考的重要問(wèn)題[3]。隨著電子技術(shù)的發(fā)展和深入應(yīng)用，智慧農(nóng)業(yè)逐漸成為學(xué)者們研究的重要方向[4]，針對(duì)各種昆蟲(chóng)的目標(biāo)檢測(cè)識(shí)別軟件也應(yīng)運(yùn)而生[5]。如董偉等[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)，提出了針對(duì)菜粉蝶、棉鈴蟲(chóng)、甜菜夜蛾、小菜蛾及葉紋夜蛾這5種鱗翅目害蟲(chóng)的識(shí)別和計(jì)數(shù)模型。在對(duì)害蟲(chóng)進(jìn)行目標(biāo)檢測(cè)的相關(guān)技術(shù)中，圖像處理技術(shù)比較常見(jiàn)，其可分為傳統(tǒng)機(jī)器學(xué)習(xí)圖像處理和深度學(xué)習(xí)圖像處理[7-8]。張繼紅[9]運(yùn)用圖像識(shí)別開(kāi)發(fā)了一種基于計(jì)算機(jī)視覺(jué)的蚜蟲(chóng)識(shí)別及計(jì)數(shù)系統(tǒng)，實(shí)現(xiàn)了對(duì)多幅蚜蟲(chóng)采集圖像的批處理識(shí)別和計(jì)數(shù)，降低了信息采集的成本，而且提高了采集的效率。李瑞[10]針對(duì)小目標(biāo)害蟲(chóng)圖像難以采集、檢測(cè)模型精確度低等問(wèn)題，研究了一種以圖像融合的方法擴(kuò)增小目標(biāo)害蟲(chóng)的數(shù)據(jù)集，從而有效增強(qiáng)小目標(biāo)害蟲(chóng)識(shí)別精度的檢測(cè)方法。肖德琴等[11]設(shè)計(jì)了一種遠(yuǎn)程監(jiān)控誘捕桔小實(shí)蠅的過(guò)程和計(jì)算桔小實(shí)蠅的裝置，實(shí)現(xiàn)了對(duì)田間桔小實(shí)蠅誘捕情況的遠(yuǎn)程實(shí)時(shí)監(jiān)控。王茂林等[12]通過(guò)性誘劑誘捕薊馬，并對(duì)誘捕器中的薊馬進(jìn)行識(shí)別和計(jì)數(shù)，且人工計(jì)數(shù)與圖像計(jì)數(shù)的誤差在8%左右。

廣西大學(xué)響應(yīng)習(xí)近平總書(shū)記建設(shè)新農(nóng)科的號(hào)召，于2014年組建了計(jì)算機(jī)學(xué)院、農(nóng)學(xué)院及農(nóng)業(yè)產(chǎn)業(yè)體系的學(xué)科交叉融合的產(chǎn)學(xué)研團(tuán)隊(duì)[13]，以植物病害蟲(chóng)識(shí)別為例開(kāi)展了新農(nóng)科背景下深度學(xué)習(xí)在農(nóng)科教學(xué)改革中的探索和實(shí)踐[14-15]。這套算法和軟件目前已經(jīng)應(yīng)用在普通昆蟲(chóng)學(xué)昆蟲(chóng)分類(lèi)方面的實(shí)驗(yàn)教學(xué)改革中。普通昆蟲(chóng)學(xué)實(shí)驗(yàn)教學(xué)內(nèi)容涉及昆蟲(chóng)分類(lèi)學(xué)知識(shí)，學(xué)生需要識(shí)別和鑒定各目的昆蟲(chóng)標(biāo)本。而現(xiàn)有的昆蟲(chóng)智能識(shí)別技術(shù)，常使用R-CNN目標(biāo)檢測(cè)或YOLO目標(biāo)檢測(cè)方法[16-17]。這些方法在進(jìn)行目標(biāo)檢測(cè)之前，通常需要使用特定種類(lèi)昆蟲(chóng)的數(shù)據(jù)集進(jìn)行模型訓(xùn)練。針對(duì)這類(lèi)問(wèn)題，基于圖像處理的技術(shù)原理，以半翅目和膜翅目常見(jiàn)昆蟲(chóng)為例，設(shè)計(jì)了一種能夠識(shí)別圖片中昆蟲(chóng)的識(shí)別軟件。它采用YOLO檢測(cè)算法[18]，可自行訓(xùn)練獲得一個(gè)最優(yōu)的訓(xùn)練模型，運(yùn)用訓(xùn)練獲得的最優(yōu)檢測(cè)模型對(duì)拍攝的圖片進(jìn)行目標(biāo)檢測(cè)，能夠識(shí)別出圖片中的常見(jiàn)昆蟲(chóng)并對(duì)其進(jìn)行計(jì)數(shù)。學(xué)生可以將在課堂和課外實(shí)驗(yàn)實(shí)踐過(guò)程中拍攝到的昆蟲(chóng)照片上傳到軟件，自動(dòng)對(duì)模型進(jìn)行訓(xùn)練。這樣不但可以提高昆蟲(chóng)識(shí)別模型的精度，更為其他更多昆蟲(chóng)的深度識(shí)別提供充足的后臺(tái)數(shù)據(jù)。通過(guò)學(xué)生的數(shù)據(jù)收集，目前已經(jīng)積累了幾種半翅目、鞘翅目和膜翅目昆蟲(chóng)的識(shí)別模型，學(xué)生積極參與，提升了模型的精確度，也提升了農(nóng)科類(lèi)學(xué)生的“互聯(lián)網(wǎng)+”思維模式。

1" 軟件整體設(shè)計(jì)

整個(gè)軟件由計(jì)算機(jī)服務(wù)器和與計(jì)算機(jī)服務(wù)器無(wú)線連接的1個(gè)或多個(gè)PC終端組成，計(jì)算機(jī)服務(wù)器內(nèi)設(shè)置圖片接收、目標(biāo)檢測(cè)和結(jié)果提取3個(gè)模塊，共同完成對(duì)半翅目和膜翅目昆蟲(chóng)如荔枝蝽、桔小實(shí)蠅等昆蟲(chóng)圖片上傳、識(shí)別和結(jié)果儲(chǔ)存的過(guò)程。圖片接收模塊作為軟件的前端模塊，用于接收學(xué)生上傳的待識(shí)別圖片。目標(biāo)檢測(cè)模塊可對(duì)學(xué)生上傳的圖片進(jìn)行目標(biāo)檢測(cè)，該模塊的檢測(cè)結(jié)果可直接影響整個(gè)軟件的準(zhǔn)確性和可行性，是軟件的核心環(huán)節(jié)。結(jié)果提取模塊主要接收來(lái)自檢測(cè)模塊的檢測(cè)結(jié)果，并允許學(xué)生將目標(biāo)檢測(cè)的結(jié)果圖片導(dǎo)出到當(dāng)前目錄下的文件夾。

軟件的整體開(kāi)發(fā)過(guò)程是在Visual Studio Code環(huán)境下進(jìn)行，考慮到開(kāi)發(fā)成本、系統(tǒng)的穩(wěn)定性以及開(kāi)發(fā)難度等因素，采用Python語(yǔ)言完成整個(gè)軟件的編寫(xiě)和測(cè)試的過(guò)程。Visual Studio Code不但支持大多數(shù)開(kāi)發(fā)語(yǔ)言，同時(shí)也是一個(gè)跨平臺(tái)開(kāi)發(fā)環(huán)境，支持Python、Java、PHP等37種語(yǔ)言或文件格式的編寫(xiě)，具有啟動(dòng)時(shí)間短、內(nèi)存占用小等優(yōu)點(diǎn)。

2" 軟件運(yùn)行與操作

軟件的主界面設(shè)置相對(duì)簡(jiǎn)單，設(shè)有昆蟲(chóng)圖片上傳、模型訓(xùn)練、目標(biāo)檢測(cè)及導(dǎo)出結(jié)果4個(gè)模塊，如圖1所示。整個(gè)軟件的目標(biāo)檢測(cè)操作過(guò)程簡(jiǎn)單，只需根據(jù)檢測(cè)的一般步驟按要求點(diǎn)擊界面中的按鍵，直至導(dǎo)出檢測(cè)結(jié)果即可完成拍攝圖片中昆蟲(chóng)的檢測(cè)過(guò)程。

2.1" 昆蟲(chóng)圖片上傳

上傳的昆蟲(chóng)圖片可以是使用各種拍攝工具獲取的圖片材料。以桔小實(shí)蠅為例，其屬雙翅目實(shí)蠅科害蟲(chóng)，其成蟲(chóng)身體一般呈現(xiàn)黑色和黃色相間的狀態(tài)。桔小實(shí)蠅的胸部大多呈黑色，其上有一道極為明顯黃色的“U”形斑，腹部為黃色，在腹部上面有條由黑色縱帶構(gòu)成“T”字形斑紋。通過(guò)以上特征可識(shí)別出桔小實(shí)蠅個(gè)體。對(duì)桔小實(shí)蠅個(gè)體進(jìn)行個(gè)體特寫(xiě)拍攝，主要是用于作為其檢測(cè)軟件開(kāi)發(fā)的訓(xùn)練數(shù)據(jù)集。為保證軟件的識(shí)別精度，拍攝的照片數(shù)量需要足夠多，預(yù)計(jì)不少于2 000張?zhí)貙?xiě)照片。在進(jìn)行田間誘捕時(shí)，誘捕到的桔小實(shí)蠅個(gè)體一般會(huì)呈現(xiàn)各種各樣不同的方向，因此拍攝的角度不能過(guò)于單一，需要在各個(gè)不同的角度進(jìn)行拍攝，記錄每個(gè)方向桔小實(shí)蠅的特征。拍攝主要從桔小實(shí)蠅的前后、左右、上下等多個(gè)方向進(jìn)行，拍攝的照片需要能夠識(shí)別每個(gè)方向中桔小實(shí)蠅的特征。為避免拍攝時(shí)受外界其他顏色的影響，拍攝的背景通常為白色背景，部分照片背景為黃色。同時(shí)，拍攝時(shí)的曝光率不能太高或過(guò)低，防止過(guò)亮或過(guò)暗的曝光遮蓋拍攝方向上桔小實(shí)蠅的紋理特征，影響軟件的識(shí)別精度。

點(diǎn)擊軟件界面中的上傳圖片按鈕后系統(tǒng)會(huì)自動(dòng)跳轉(zhuǎn)到選擇文件窗口，學(xué)生可以自己選擇1張或多張圖片作為待識(shí)別圖片，用于下一步的目標(biāo)檢測(cè)。軟件對(duì)圖片的拍攝質(zhì)量有一定的要求，一般過(guò)于模糊或者曝光過(guò)大都會(huì)造成無(wú)法識(shí)別或者識(shí)別的結(jié)果出現(xiàn)偏差過(guò)大。學(xué)生也可以拍攝實(shí)驗(yàn)課上實(shí)驗(yàn)教師準(zhǔn)備好的相關(guān)昆蟲(chóng)標(biāo)本進(jìn)行拍照并上傳。

2.2" 模型訓(xùn)練

系統(tǒng)要對(duì)上傳圖片進(jìn)行精準(zhǔn)地目標(biāo)識(shí)別，還需進(jìn)行目標(biāo)識(shí)別的模型訓(xùn)練。學(xué)生只需上傳待識(shí)別的圖片即可進(jìn)行模型的訓(xùn)練過(guò)程，點(diǎn)擊模型訓(xùn)練后系統(tǒng)可自主進(jìn)行訓(xùn)練，最終由系統(tǒng)選擇出一個(gè)最優(yōu)的模型，這個(gè)模型則作為最終的檢測(cè)模型。若圖片數(shù)據(jù)較少造成模型過(guò)擬合問(wèn)題，可以選擇離線數(shù)據(jù)增強(qiáng)方法擴(kuò)充數(shù)據(jù)集，對(duì)圖片進(jìn)行一系列的加噪、旋轉(zhuǎn)、剪裁和色彩調(diào)整等得到新的數(shù)據(jù)集[18]，提升模型的魯棒性和泛化能力。軟件開(kāi)發(fā)過(guò)程進(jìn)行的模型訓(xùn)練使用的數(shù)據(jù)集為桔小實(shí)蠅圖片數(shù)據(jù)集，上傳相應(yīng)的桔小實(shí)蠅圖片數(shù)據(jù)集后，可選擇epoch和batch size，根據(jù)計(jì)算機(jī)配置設(shè)置訓(xùn)練速度。軟件采用24個(gè)卷積層和2個(gè)全連接層的YOLO檢測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，設(shè)置好訓(xùn)練條件，卷積層的作用是提取圖像特征，而全連接層則預(yù)測(cè)圖像位置和概率值。優(yōu)化訓(xùn)練后的模型識(shí)別精度達(dá)到了92.78%，loss值為34.26。

2.3" 目標(biāo)檢測(cè)

完成模型訓(xùn)練的軟件可直接對(duì)上傳的待檢測(cè)圖片進(jìn)行目標(biāo)檢測(cè)，軟件可根據(jù)YOLO檢測(cè)算法，以訓(xùn)練后獲得的最優(yōu)檢測(cè)模型為基礎(chǔ)，將圖片輸入檢測(cè)模型。系統(tǒng)畫(huà)面如圖2所示，模型經(jīng)過(guò)特征提取計(jì)算后得到預(yù)測(cè)類(lèi)別與輸入圖片的實(shí)際類(lèi)別的概率，選取超過(guò)閾值的概率，識(shí)別出圖片中的桔小實(shí)蠅位置。只需點(diǎn)擊系統(tǒng)主界面上的“目標(biāo)檢測(cè)”按鈕，軟件在后臺(tái)進(jìn)行圖片識(shí)別并彈出檢測(cè)出目標(biāo)后的圖片，即檢測(cè)結(jié)果。

2.4" 導(dǎo)出結(jié)果

已經(jīng)完成檢測(cè)的圖片，學(xué)生可以在該模塊中進(jìn)行整理和保存，系統(tǒng)默認(rèn)保存路徑為當(dāng)前目錄。用戶只需點(diǎn)擊導(dǎo)出結(jié)果按鈕，即可對(duì)識(shí)別的圖片進(jìn)行整理。圖片導(dǎo)出后，軟件會(huì)自動(dòng)按順序生成以result為開(kāi)頭的jpg格式的圖片文件名。

3" 開(kāi)放式創(chuàng)新實(shí)踐工具

基于上述工作課題組設(shè)計(jì)了一款常見(jiàn)昆蟲(chóng)識(shí)別的通用軟件。系統(tǒng)支持上傳多張圖片，上傳的待檢測(cè)圖片可作為系統(tǒng)模型訓(xùn)練的數(shù)據(jù)集，不需要使用特定的數(shù)據(jù)集進(jìn)行模型的訓(xùn)練，訓(xùn)練后的模型可直接對(duì)待測(cè)圖片進(jìn)行目標(biāo)檢測(cè)識(shí)別。系統(tǒng)在開(kāi)發(fā)和測(cè)試過(guò)程中部分昆蟲(chóng)的檢測(cè)識(shí)別精度達(dá)到了92.78%，檢測(cè)的數(shù)據(jù)集主要是使用單反相機(jī)和安卓手機(jī)拍攝獲得的圖片。學(xué)生只需將拍攝的圖片上傳至系統(tǒng)中，就可進(jìn)行模型訓(xùn)練及目標(biāo)檢測(cè)各個(gè)環(huán)節(jié)。完成檢測(cè)的圖片，系統(tǒng)會(huì)自動(dòng)將其設(shè)為以result開(kāi)頭的圖片文件并按檢測(cè)順序標(biāo)號(hào)，學(xué)生可根據(jù)自身需要保存在當(dāng)前或特定文件夾中，方便進(jìn)一步學(xué)習(xí)。

該軟件支持PC終端和Windows 7及以上系統(tǒng)運(yùn)行工作，學(xué)生可在符合要求的PC終端直接打開(kāi)本軟件打包好的exe文件即可運(yùn)行操作。該軟件界面設(shè)計(jì)簡(jiǎn)單，操作也很方便快捷，具有很好的普適性。本文所提出的工具及其強(qiáng)化學(xué)習(xí)軟件的開(kāi)放使用極大促進(jìn)了農(nóng)科學(xué)生的創(chuàng)新實(shí)踐活動(dòng)。學(xué)生通過(guò)參與生物智能識(shí)別在植物保護(hù)學(xué)科的具體實(shí)踐，學(xué)到了新一代信息技術(shù)的知識(shí)和技術(shù)，真實(shí)感知技術(shù)應(yīng)用的效果，激發(fā)了創(chuàng)新思維能力和信息技術(shù)融合的應(yīng)用能力，提高了農(nóng)科類(lèi)學(xué)生的“互聯(lián)網(wǎng)+”思維。正是在這種思維的鍛煉下，農(nóng)學(xué)院學(xué)生2020—2022年來(lái)在“挑戰(zhàn)杯”和“互聯(lián)網(wǎng)+大賽”中獲省部級(jí)以上獎(jiǎng)勵(lì)20多項(xiàng)，如獲得第九屆“挑戰(zhàn)杯”廣西大學(xué)生創(chuàng)業(yè)計(jì)劃競(jìng)賽金獎(jiǎng)的項(xiàng)目《慧眼——世界領(lǐng)先的甘蔗螟蟲(chóng)綠色防控專(zhuān)家》。新農(nóng)科背景下AI昆蟲(chóng)識(shí)別軟件的應(yīng)用改變了基于傳統(tǒng)驗(yàn)證型的實(shí)驗(yàn)教學(xué)方式，使學(xué)生在計(jì)算機(jī)技術(shù)應(yīng)用的場(chǎng)景中感知學(xué)科交叉融合的知識(shí)，提升實(shí)踐動(dòng)手能力和科技創(chuàng)新水平。

4" 結(jié)束語(yǔ)

目前，在昆蟲(chóng)相關(guān)課程改革中，仍需要調(diào)整實(shí)驗(yàn)教學(xué)內(nèi)容，重點(diǎn)講解形態(tài)和分類(lèi)知識(shí)，加強(qiáng)學(xué)生對(duì)昆蟲(chóng)的認(rèn)知能力。普通昆蟲(chóng)學(xué)內(nèi)容豐富而龐雜，涉及形態(tài)學(xué)、生物學(xué)、行為學(xué)、分類(lèi)學(xué)、生理學(xué)和生態(tài)學(xué)等內(nèi)容，作為區(qū)域性綜合性大學(xué)的農(nóng)科專(zhuān)業(yè)，從服務(wù)農(nóng)業(yè)、面向?qū)嵺`的角度出發(fā)，有針對(duì)性地選擇重點(diǎn)內(nèi)容講解，才能更好地為當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展服務(wù)。

一是把昆蟲(chóng)外部形態(tài)和昆蟲(chóng)分類(lèi)部分實(shí)驗(yàn)內(nèi)容結(jié)合昆蟲(chóng)教學(xué)實(shí)踐，在實(shí)踐中認(rèn)識(shí)昆蟲(chóng)。如在各處采集時(shí)，在采集典型昆蟲(chóng)蝗蟲(chóng)，現(xiàn)場(chǎng)講解昆蟲(chóng)的口器結(jié)構(gòu)和外部形態(tài)，取得了良好的效果，有效緩解了實(shí)驗(yàn)課課時(shí)不足的問(wèn)題。二是適當(dāng)減少部分和生產(chǎn)沒(méi)有直接聯(lián)系的生理學(xué)和生態(tài)學(xué)內(nèi)容，加強(qiáng)害蟲(chóng)相關(guān)目科的講解。如昆蟲(chóng)的胚胎發(fā)育，過(guò)去是必講的內(nèi)容，但是，由于實(shí)驗(yàn)室僅有一套不完整的示范玻片，因此僅結(jié)合在其他實(shí)驗(yàn)中作為示范講解；同時(shí)，加強(qiáng)講解主要害蟲(chóng)如鱗翅目分科、鞘翅目分科、半翅目分科等，使學(xué)生學(xué)到的認(rèn)識(shí)更貼近生產(chǎn)實(shí)踐。三是加強(qiáng)“互聯(lián)網(wǎng)+”實(shí)驗(yàn)室建設(shè)，構(gòu)建普通昆蟲(chóng)學(xué)網(wǎng)絡(luò)教學(xué)資源庫(kù)以及實(shí)驗(yàn)教學(xué)資源共享平臺(tái)，既提高了該學(xué)科學(xué)生判斷和認(rèn)知的能力，又提升了實(shí)驗(yàn)教學(xué)水平。在運(yùn)用傳統(tǒng)的昆蟲(chóng)識(shí)別與鑒別的同時(shí)，應(yīng)用現(xiàn)代互聯(lián)網(wǎng)技術(shù)，使普通昆蟲(chóng)學(xué)的實(shí)驗(yàn)教學(xué)真正實(shí)現(xiàn)系統(tǒng)化，并根據(jù)科學(xué)研究的發(fā)展，充實(shí)新的內(nèi)容，靜動(dòng)結(jié)合，豐富多彩；另一方面可利用網(wǎng)絡(luò)資源把昆蟲(chóng)電子標(biāo)本在網(wǎng)上公開(kāi)，將實(shí)驗(yàn)室與互聯(lián)網(wǎng)聯(lián)系起來(lái)，虛實(shí)結(jié)合，是課堂教學(xué)資源的延伸。便于學(xué)生課前預(yù)習(xí)和課后復(fù)習(xí)，有利于提高和鞏固學(xué)生認(rèn)知與鑒別昆蟲(chóng)種類(lèi)的能力和水平。

實(shí)驗(yàn)教學(xué)是理解昆蟲(chóng)學(xué)理論的重要課程，也是學(xué)生直觀認(rèn)識(shí)昆蟲(chóng)的重要手段。只有不斷改革創(chuàng)新昆蟲(chóng)學(xué)的實(shí)驗(yàn)教學(xué)，才能使學(xué)生真正掌握相應(yīng)的昆蟲(chóng)學(xué)知識(shí)，適應(yīng)社會(huì)、學(xué)校和生產(chǎn)實(shí)踐不斷變化對(duì)該課程的要求。

參考文獻(xiàn)：

[1] 新農(nóng)科建設(shè)開(kāi)啟“北大倉(cāng)行動(dòng)”[J].中國(guó)農(nóng)業(yè)教育，2019，20（5）：110.

[2] 新農(nóng)科建設(shè)推出“北京指南”[J].中國(guó)農(nóng)業(yè)教育，2019，20（5）：104-106.

[3] 余洋，方安菲，楊宇衡，等.新農(nóng)科背景下普通植物病理學(xué)實(shí)驗(yàn)教學(xué)改革與探索[J].安徽農(nóng)業(yè)科學(xué)，2020，48（24）：283-285.

[4] 王春山，趙春江，吳華瑞，等.采用雙模態(tài)聯(lián)合表征學(xué)習(xí)方法識(shí)別作物病害[J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37（11）：180-188.

[5] 劉瀏.基于深度學(xué)習(xí)的農(nóng)作物害蟲(chóng)檢測(cè)方法研究與應(yīng)用[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2020.

[6] 董偉，錢(qián)蓉，張潔，等.基于深度學(xué)習(xí)的蔬菜鱗翅目害蟲(chóng)自動(dòng)識(shí)別與檢測(cè)計(jì)數(shù)[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2019，21（12）：76-84.

[7] 苗海委，周慧玲.基于深度學(xué)習(xí)的粘蟲(chóng)板儲(chǔ)糧害蟲(chóng)圖像檢測(cè)算法的研究[J].中國(guó)糧油學(xué)報(bào)，2019，34（12）：93-99.

[8] 呂宗旺，金會(huì)芳，甄彤，等.圖像處理技術(shù)在糧食害蟲(chóng)識(shí)別中的應(yīng)用進(jìn)展[J].河南工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，42（3）：128-137.

[9] 張繼紅.基于計(jì)算機(jī)視覺(jué)的蚜蟲(chóng)圖像識(shí)別方法研究[D].楊凌：西北農(nóng)林科技大學(xué)，2009.

[10] 李瑞.小目標(biāo)害蟲(chóng)圖像自動(dòng)識(shí)別與計(jì)數(shù)研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2021.

[11] 肖德琴，葉耀文，馮健昭，等.適應(yīng)場(chǎng)景光照變化的桔小實(shí)蠅誘捕監(jiān)測(cè)系統(tǒng)優(yōu)化設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（11）：197-204.

[12] 王茂林，榮二花，張利軍，等.基于圖像處理的薊馬計(jì)數(shù)方法研究[J].山西農(nóng)業(yè)科學(xué)，2020，48（5）：812-816.

[13] 楊娟，葉進(jìn)，馬仲輝，等.基于互聯(lián)網(wǎng)加智慧農(nóng)業(yè)的農(nóng)科人才培養(yǎng)模式探究[J].實(shí)驗(yàn)室研究與探索，2021，10（3）：145-148.

[14] 葉進(jìn)，邱文杰，楊娟，等.基于深度學(xué)習(xí)的荔枝蟲(chóng)害識(shí)別方法[J].實(shí)驗(yàn)室研究與探索，2021，40（6）：29-32.

[15] 邱文杰，葉進(jìn)，胡亮青，等.面向植物病害識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)精簡(jiǎn)結(jié)構(gòu)Distilled-MobileNet模型[J].智慧農(nóng)業(yè)（中英文），2021，3（1）：109-117.

[16] LIU Z， XIE C， LI J， et al. Application of cascade R-CNN and YOLOv3 in missile target recognition[J].Journal of Image and Signal Processing， 2020， 9（2）：102-110.

[17] LIPPI M， BONUCCI N， CARPIO R F， et al. A YOLO-Based Pest Detection System for Precision Agriculture[C]//2021 29th Mediterranean Conference on Control and Automation （MED）. IEEE， 2021：342-347.

[18] 趙立新，侯發(fā)東，呂正超，等.基于遷移學(xué)習(xí)的棉花葉部病蟲(chóng)害圖像識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2020，36（7）：184-191.

基金項(xiàng)目：廣西高等教育本科教學(xué)改革工程項(xiàng)目（2020JGA101、XNK2022001、2023JGB127）；廣西2023年學(xué)位與研究生教育改革課題項(xiàng)目（JGY2023033）

第一作者簡(jiǎn)介：楊娟（1984-），女，博士，高級(jí)實(shí)驗(yàn)師。研究方向?yàn)檗r(nóng)業(yè)昆蟲(chóng)與害蟲(chóng)防治。

*通信作者：李?。?981-），男，農(nóng)學(xué)碩士，高級(jí)實(shí)驗(yàn)師。研究方向?yàn)樾Q桑生產(chǎn)技術(shù)及有害生物綜合防治。