一種水稻害蟲的小目標(biāo)檢測方法研究

魏志慧　張聰　成濘伸　陳新波　閆可

摘要：在水稻害蟲的防治中，往往會(huì)因?yàn)樘镩g背景雜亂、葉片與害蟲顏色相似、害蟲個(gè)頭較小導(dǎo)致水稻害蟲不易被察覺。針對田間水稻害蟲檢測精度不高的問題，提出一種多尺度均衡級聯(lián)檢測模型（ME-Cascade）。為更好地提取水稻害蟲這種小目標(biāo)的特征，該模型以級聯(lián)神經(jīng)網(wǎng)絡(luò)（Cascade RCNN）為基礎(chǔ)，引入多尺度骨干網(wǎng)絡(luò)結(jié)構(gòu)Res2Net，實(shí)現(xiàn)單個(gè)殘差塊中構(gòu)建類似殘差的分層連接。然后在區(qū)域生成網(wǎng)絡(luò)中加入跨通道特征融合層，降低訓(xùn)練過程中背景葉片與目標(biāo)害蟲顏色相似帶來的干擾，增強(qiáng)候選區(qū)域定位的準(zhǔn)確性。并在級聯(lián)檢測器中使用樣本均衡化采樣，解決目標(biāo)害蟲與背景特征數(shù)量差異大帶來的正負(fù)樣本不均衡問題，減少小目標(biāo)的錯(cuò)檢漏檢。最后，為避免深層網(wǎng)絡(luò)在小樣本檢測中梯度爆炸和過擬合的發(fā)生，在梯度下降中使用梯度裁剪技術(shù)。將該模型用于公開發(fā)表的水稻蟲害數(shù)據(jù)集上，mAP達(dá)到了96.9%，比原始 Cascade RCNN模型提高了2.7百分點(diǎn)，驗(yàn)證了該模型在真實(shí)田間的水稻害蟲上具有更好的識別效果。

關(guān)鍵詞：田間水稻害蟲；小目標(biāo)檢測；多尺度骨干網(wǎng)絡(luò)；跨通道特征融合；均衡采樣；梯度裁剪

中圖分類號：S435.112；TP391.41文獻(xiàn)標(biāo)志碼：A

文章編號：1002-1302（2024）09-0232-09

水稻在我國糧食作物中占據(jù)重要地位，其產(chǎn)量與我國的糧食安全問題緊密相連，但它在生長過程中經(jīng)常會(huì)遇到蟲害的威脅。受各種環(huán)境影響，水稻害蟲的發(fā)生逐年加重，對水稻的產(chǎn)量和安全造成了十分嚴(yán)重的損害，蟲害防治也成為了水稻生長中的首要問題。傳統(tǒng)的除蟲方法主要是通過人工識別和誘殺，這不僅耗時(shí)耗力，還會(huì)因?yàn)檗r(nóng)藥噴灑不當(dāng)造成水稻進(jìn)一步減產(chǎn)。因此，精準(zhǔn)識別田間復(fù)雜環(huán)境下的水稻蟲害是至關(guān)重要的。只有精準(zhǔn)除殺害蟲，才能使水稻產(chǎn)量得到保障。

為解決農(nóng)作物蟲害問題，國內(nèi)外學(xué)者在蟲害檢測方面做過很多研究。早期主要圍繞著傳統(tǒng)機(jī)器學(xué)習(xí)和經(jīng)典神經(jīng)網(wǎng)絡(luò)，蔣龍泉等提出一種基于多特征融合和SVM分類器的植物病蟲害檢測方法，將提取到的植物葉片的各種特征進(jìn)行融合，有效地提高了單特征訓(xùn)練對于植物病蟲害檢測的正確率［1］。Ebrahimi等將圖像處理技術(shù)與支持向量機(jī)相結(jié)合來識別溫室草莓薊馬，通過選擇合適的區(qū)域和顏色指數(shù)成功檢測到了目標(biāo)［2］。葉聰?shù)冉Y(jié)合了圖像處理算法與人工神經(jīng)網(wǎng)絡(luò)分類技術(shù)，實(shí)現(xiàn)了目標(biāo)害蟲的早期檢測與分類［3］。近年來，隨著深度學(xué)習(xí)的發(fā)展，其模型在目標(biāo)檢測任務(wù)中取得了良好的效果，正逐步應(yīng)用于農(nóng)作物蟲害。郭陽等提出了基于YOLO v3的水稻蟲害圖像識別方法，有效解決了葉片遮擋目標(biāo)和相似背景等問題，驗(yàn)證了將深度學(xué)習(xí)算法引入復(fù)雜環(huán)境下水稻蟲害識別的可行性［4］。溫艷蘭等針對復(fù)雜背景下傳統(tǒng)蟲害圖像識別方法準(zhǔn)確率和效率低等問題，提出了一種基于遷移學(xué)習(xí)和改進(jìn)殘差網(wǎng)絡(luò)的蟲害圖像識別方法，有效提高了復(fù)雜環(huán)境下害蟲識別的準(zhǔn)確性［5］。姚青等通過優(yōu)化RetinaNet中的特征金字塔網(wǎng)絡(luò)（FPN）結(jié)構(gòu)和使用組歸一化來精確識別水稻背景稻飛虱和二化螟的水稻危害狀況［6］。Li等在YOLO v5模型的基礎(chǔ)上提出了點(diǎn)線距離損失函數(shù)，并在網(wǎng)絡(luò)中加入注意力模塊，在保證檢測精度的同時(shí)實(shí)現(xiàn)了檢測速度的提升［7］。

上述研究表明，雖然已有的目標(biāo)檢測算法在復(fù)雜環(huán)境下蟲害的識別上取得了一些進(jìn)展，但田間雜亂的背景和目標(biāo)體積較小等給水稻害蟲檢測帶來的干擾并沒有被解決。針對以上問題，本研究提出一種多尺度均衡級聯(lián)檢測模型（ME-Cascade），引入了Res2Net網(wǎng)絡(luò)和跨通道特征融合，并對采樣方法做了正負(fù)樣本均衡化的改進(jìn)，為防止小樣本帶來的梯度爆炸和過擬合還采用了梯度裁剪操作。最后用該模型對常見的水稻害蟲稻螟蛉、水稻大螟、稻綠蝽等進(jìn)行識別，驗(yàn)證該模型的有效性。

1 材料與方法

1.1 試驗(yàn)數(shù)據(jù)集

從1.8萬張水稻蟲害圖片（由安徽省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所提供）選取3種常見的水稻害蟲稻螟蛉（Naranga aenesscens）、水稻大螟（Sesamia inferens）、稻綠蝽（Nezara viridula）共1 800張，每種害蟲的圖片600張，經(jīng)過數(shù)據(jù)增強(qiáng)處理后擴(kuò)增到4 700張。根據(jù)COCO數(shù)據(jù)集格式對其進(jìn)行格式化，并使用LabelImg標(biāo)記圖片中害蟲的類別和坐標(biāo)信息。然后在數(shù)據(jù)集中隨機(jī)抽取80%作為訓(xùn)練集，10%作為驗(yàn)證集，剩下的作為測試集，其中訓(xùn)練集3 760張，驗(yàn)證集和測試集各470張。訓(xùn)練集完成模型參數(shù)訓(xùn)練，在驗(yàn)證集上來確定網(wǎng)絡(luò)結(jié)構(gòu)以及模型參數(shù)，測試集檢驗(yàn)最終選擇性能最優(yōu)的模型，并對試驗(yàn)結(jié)果進(jìn)行對比。圖1為部分害蟲圖像示例。

1.2 傳統(tǒng)的級聯(lián)神經(jīng)網(wǎng)絡(luò)（Cascade RCNN）

級聯(lián)神經(jīng)網(wǎng)絡(luò)（Cascade RCNN）是一個(gè)多重級聯(lián)結(jié)構(gòu)的二階段目標(biāo)檢測模型，由Faster RCNN改進(jìn)而來［8-9］。其基本結(jié)構(gòu)如圖2所示，由特征提取網(wǎng)絡(luò)ResNet101、特征金字塔網(wǎng)絡(luò)（feature pyramid network，簡稱FPN）、區(qū)域生成網(wǎng)絡(luò)（region proposal network，簡稱RPN）和級聯(lián)檢測器組成［10-12］。ResNet101將特征提取后，把每一層輸出的特征圖由深至淺進(jìn)行特征融合，然后將融合后的特征圖輸入?yún)^(qū)域生成網(wǎng)絡(luò)RPN得到候選目標(biāo)區(qū)域。在檢測階段，Cascade RCNN由一組IoU不斷增加的檢測器組成，每個(gè)階段的檢測器重點(diǎn)檢測 IoU 在不同范圍內(nèi)的候選框，把前一個(gè)檢測器輸出的邊框回歸B作為后一個(gè)檢測器的輸入，逐步提升IoU閾值訓(xùn)練，過濾掉一些誤檢框，得到新的分類得分C和邊框回歸B，最終得到更高質(zhì)量的預(yù)測和網(wǎng)絡(luò)訓(xùn)練效果。

雖然Cascade RCNN[HJ2mm]對小目標(biāo)的檢測精度有一定提升，但仍存在以下問題：首先，如果要更大程度上解決水稻害蟲小目標(biāo)的檢測問題，提高小目標(biāo)的檢測精度，[HJ]原有的特征提取網(wǎng)絡(luò)并不能很好地滿足這一需求，還需要進(jìn)一步擴(kuò)大感受野。其次，由于小目標(biāo)與背景占比差距大，特征數(shù)量非常少，如果按照Cascade RCNN中的正負(fù)樣本隨機(jī)采樣，很有可能會(huì)漏掉小目標(biāo)的特征，從而造成小目標(biāo)的漏檢。最后，圖片背景環(huán)境中的噪聲也是一個(gè)需要解決的問題，例如水稻葉片與害蟲顏色相似等，會(huì)使網(wǎng)絡(luò)提取到很多錯(cuò)誤特征，導(dǎo)致目標(biāo)害蟲錯(cuò)檢。所以該網(wǎng)絡(luò)仍然不能夠很好地解決水稻害蟲小目標(biāo)的錯(cuò)檢漏檢問題。

1.3 多尺度均衡級聯(lián)檢測模型（ME-Cascade）

針對原始網(wǎng)絡(luò)存在的問題，提出的ME-Cascade模型結(jié)構(gòu)如圖3所示。輸入的圖片首先通過特征提取網(wǎng)絡(luò)Res2Net101在更細(xì)粒度級別提取特征，生成多尺度特征圖［13］。經(jīng)過改進(jìn)的特征金字塔網(wǎng)絡(luò)進(jìn)行特征增強(qiáng)后，將特征圖送到區(qū)域生成網(wǎng)絡(luò)（RPN）中通過跨通道特征融合篩選出更加精確的建議區(qū)域，并映射到原圖上生成較為準(zhǔn)確的RoI（region of interesting），送入到RoI Align層中池化［14］。將其轉(zhuǎn)變?yōu)楣潭ňS度的特征后，通過全連接層進(jìn)行訓(xùn)練和回歸，利用損失函數(shù)進(jìn)行目標(biāo)物體的類別分類和回歸定位，使用多個(gè)級聯(lián)檢測器進(jìn)行正負(fù)樣本均衡化重采樣，避免正負(fù)樣本數(shù)量差異大帶來的影響，從而提高分類和回歸的精確度。最后在網(wǎng)絡(luò)中加入梯度裁剪來防止過擬合。本節(jié)將分別介紹模型中用于提取多尺度特征的Res2Net卷積神經(jīng)網(wǎng)絡(luò)、跨通道特征融合層、正負(fù)樣本均衡采樣和梯度裁剪技術(shù)。

1.3.1 Res2Net卷積神經(jīng)網(wǎng)絡(luò)

在真實(shí)的田地里，水稻害蟲相較于稻田目標(biāo)小且種類繁多。低分辨率的小目標(biāo)可視化信息少，難以提取到具有鑒別力的特征，進(jìn)而導(dǎo)致檢測模型難以精準(zhǔn)定位和識別小目標(biāo)［15］。對此本研究引入Res2Net卷積神經(jīng)網(wǎng)絡(luò)，通過類殘差的連接方式對不同尺度上的顏色、形狀、紋理等特征進(jìn)行提取，并將多個(gè)尺度的特征傳入特征金字塔進(jìn)行融合，通過擴(kuò)大感受野來增強(qiáng)模型對于小目標(biāo)的感知能力。

Res2Net網(wǎng)絡(luò)是對ResNet網(wǎng)絡(luò)的改進(jìn)，區(qū)別如圖4所示，其中左邊是ResNet殘差塊，右邊是Res2Net殘差塊。

Res2Net殘差塊用較小的過濾器組替換ResNet中3×3的過濾器，同時(shí)以類似分層殘差的方式連接不同的過濾器組。這種拆分混合連接的結(jié)構(gòu)，相當(dāng)于在每個(gè)殘差塊內(nèi)部構(gòu)建特征金字塔結(jié)構(gòu)，在特征層內(nèi)部進(jìn)行多尺度的卷積，形成不同感受野，獲得不同細(xì)粒度的特征。Res2Net模塊的詳細(xì)計(jì)算過程可以用如下的公式來表示：

式（1）中，先將經(jīng)過1×1卷積輸出后的特征圖按通道數(shù)均分為s（圖4-B中s=4）組，分別記作xi［i∈（1，2，…，s）］，每組特征圖的通道數(shù)均為輸入特征圖通道數(shù)的1/s 。然后，x1組不做處理，其他組的特征圖都會(huì)經(jīng)過一個(gè)3×3的卷積層，將這個(gè)卷積操作記為Ki。每組卷積后的輸出會(huì)形成2條線路，一條繼續(xù)作為該組輸出，用yi表示，一條則傳入下一組特征圖與其相加之后再進(jìn)行Ki（）操作。最后，將這s組的輸出（y1，y2，…，ys）在通道維度拼接，進(jìn)行1×1的卷積操作。Res2Net模塊更好地融合了不同規(guī)模的信息，更加有效地提取全局特征和局部特征。

1.3.2 跨通道特征融合層

判別特征對于分類和定位任務(wù)都至關(guān)重要，小目標(biāo)通常分辨率低，外觀質(zhì)量差，因此很難從其扭曲的結(jié)構(gòu)中進(jìn)行區(qū)分學(xué)習(xí)。同時(shí)，小目標(biāo)的區(qū)域特征容易受到背景和其他情況的污染，如背景葉片與目標(biāo)害蟲顏色相似、標(biāo)簽噪聲（帶有正標(biāo)簽的特征可能位于背景或遮擋物上）等。RPN的本質(zhì)是基于滑窗的無類別物體檢測器，通過輸入的特征圖篩選出一系列的矩形預(yù)選框。上述的噪聲干擾會(huì)使得在訓(xùn)練過程中，生成在目標(biāo)害蟲上的預(yù)選框數(shù)量遠(yuǎn)少于生成在背景上的，導(dǎo)致水稻害蟲難以精準(zhǔn)檢測。為了提升候選區(qū)域初步定位的準(zhǔn)確性以及對前景和背景的判別能力，在RPN中加入了跨通道特征融合層，其結(jié)構(gòu)如圖5所示。

在RPN中3×3卷積層前后都加入跨通道特征融合層，通過對多通道圖像做1×1卷積，將輸入的特征圖在每個(gè)通道乘以卷積系數(shù)后加在一起，來實(shí)現(xiàn)信息的跨通道整合和交互，獲取更多的上下文信息，使得在訓(xùn)練過程中來自非目標(biāo)區(qū)域（背景或被遮擋區(qū)域）的特征和非判別行特征的貢獻(xiàn)降低，目標(biāo)區(qū)域特征增強(qiáng)，小目標(biāo)水稻害蟲能夠被更好地關(guān)注到。跨通道特征融合層進(jìn)行的降維和升維操作，在保持特征圖尺寸不變（即不損失分辨率）的前提下大幅增加了非線性特性，既可以把網(wǎng)絡(luò)做得很深，也可以提升網(wǎng)絡(luò)的表達(dá)能力，還沒有增加模型參數(shù)。

1.3.3 樣本均衡采樣

根據(jù)Cascade RCNN的級聯(lián)特性可知，其思想就是在保證樣本數(shù)量不減少的情況下，通過不斷地提高閾值訓(xùn)練出效果最好的檢測器，將級聯(lián)回歸作為一種重采樣機(jī)制，不同級采用不同IoU閾值通過重新計(jì)算正負(fù)樣本和采樣策略來逐漸提高bbox質(zhì)量，使得目標(biāo)害蟲的檢測效果達(dá)到最佳。原始級聯(lián)結(jié)構(gòu)中，為了保證樣本的質(zhì)量，采用了隨機(jī)采樣的方式在每個(gè)階段進(jìn)行重采樣。但對水稻田間的小目標(biāo)害蟲檢測使用這種采樣方式，會(huì)提取到很多無用特征的樣本，導(dǎo)致訓(xùn)練效果變差［16］。背景的斑駁使得目標(biāo)害蟲的特征數(shù)量遠(yuǎn)小于背景特征的數(shù)量，由于負(fù)樣本數(shù)量較多且本身IoU的不平衡，當(dāng)采用隨機(jī)采樣后，會(huì)出現(xiàn)難負(fù)（IoU在0.5附近）和易負(fù)（IoU接近0）樣本不平衡的情況，大量容易負(fù)樣本被采樣不提供有用的學(xué)習(xí)信息，目標(biāo)害蟲的特征不能有效學(xué)習(xí)，從而造成小目標(biāo)錯(cuò)檢漏檢，因此本研究提出ME-Cascade模型，通過樣本均衡采樣的方式進(jìn)行重采樣［17］。公式如下所示：

式中：K指將原有負(fù)樣本的采樣區(qū)間分成K個(gè)區(qū)間；N為總采樣的負(fù)樣本數(shù)；Mk為每個(gè)區(qū)間候選抽樣的數(shù)量；pk為最終算出每個(gè)區(qū)間采樣的概率。

對負(fù)樣本按照IoU劃分k個(gè)區(qū)間，每個(gè)區(qū)間再進(jìn)行隨機(jī)采樣，保證易學(xué)習(xí)負(fù)樣本和難負(fù)樣本比例盡量平衡，避免學(xué)習(xí)到大量無用特征。該方法解決了回歸預(yù)測時(shí)正負(fù)樣本不平衡的問題，能有效提高小目標(biāo)的檢測精度。

1.3.4 梯度裁剪

ME-Cascade模型選取了Res2Net101作為特征提取網(wǎng)絡(luò)，這在提高精度的同時(shí)，也增加了網(wǎng)絡(luò)的深度。在深度學(xué)習(xí)中，訓(xùn)練模型時(shí)通常使用反向傳播算法來計(jì)算梯度，并使用梯度下降等優(yōu)化算法來更新模型參數(shù)。隨著網(wǎng)絡(luò)層數(shù)的增加，訓(xùn)練過程的不穩(wěn)定性增大，會(huì)出現(xiàn)梯度爆炸和過擬合的問題。

本研究使用梯度裁剪技術(shù)來解決這一問題。梯度裁剪與其他正則化方法不同，它不是通過對模型參數(shù)進(jìn)行限制來達(dá)到正則化的效果，而是通過限制梯度大小來達(dá)到正則化的效果。在反向傳播過程中，如果梯度的范數(shù)超過了一個(gè)預(yù)先設(shè)定的閾值，就將梯度裁剪到這個(gè)閾值之內(nèi)。這樣可以保證梯度的大小不會(huì)過大，避免了模型的梯度爆炸和過擬合問題，從而提高模型的穩(wěn)定性和泛化能力。梯度裁剪過程可以用如下公式來描述：

式中：g為梯度向量；‖g‖為裁剪后梯度的L2范數(shù)；θ為設(shè)定裁剪的閾值。

從上述公式可以看出，梯度裁剪就是當(dāng)梯度太大時(shí)強(qiáng)行把梯度縮?。ㄍㄟ^乘以一個(gè)小于1的數(shù)，即（θ[]‖g‖）），當(dāng)梯度不是很大時(shí)，保持原樣g，從而達(dá)到限制梯度大小的目的。

2 結(jié)果與分析

2.1 評價(jià)指標(biāo)

選取目標(biāo)檢測中常用的評估指標(biāo)對模型進(jìn)行評估，包含各類水稻蟲害的損失值、平均精準(zhǔn)度（average precision，簡稱AP）、平均精度均值（mean average precision，簡稱mAP） 、精度-召回曲線（precision-recall曲線）、檢測速度（frames per second，簡稱FPS）和模型復(fù)雜度（floating-point operations per second，簡稱FLOPs）［18］。

精確率是指正確預(yù)測正樣本的數(shù)量與所有預(yù)測框數(shù)量的比值，其計(jì)算公式可以表示為

召回率是指正確預(yù)測正樣本的數(shù)量與所有實(shí)際正樣本數(shù)量的比值，其計(jì)算公式可表示為

式中：TP為正確檢測到水稻害蟲的數(shù)量；FP為檢測為水稻害蟲實(shí)則為背景的數(shù)量；FN為檢測為背景實(shí)則為水稻害蟲的數(shù)量；TN為正確檢測為背景的數(shù)量。其中TP+FP=所有預(yù)測框的數(shù)量。

平均精準(zhǔn)度（AP）是由召回率（Recall）為橫坐標(biāo)，精準(zhǔn)率（Precision）為縱坐標(biāo)所繪的某一個(gè)類別的P-R曲線下的面積而計(jì)算得成，封閉面積越大，模型的性能越好。其計(jì)算公式如下：

mAP是目標(biāo)檢測的主要評價(jià)指標(biāo)，用來評估多類別對象檢測模型，是通過將所有類別的AP值相加并取平均值而獲得的，mAP越大則模型的檢測精度越高。計(jì)算公式表示如下：

其中，S是類的數(shù)量。

除了這些表示準(zhǔn)確率的指標(biāo)之外，評估模型的檢測速度指標(biāo)幀率（FPS）用于表示在對象檢測中模型每秒可以處理的圖片數(shù)量。FPS值越大，模型的檢測速度就越快。計(jì)算公式如下：

其中，T是檢測圖片所需的時(shí)間。

參數(shù)量（Params）是指深度學(xué)習(xí)模型中所有可學(xué)習(xí)權(quán)重和偏置參數(shù)的總數(shù)。這些參數(shù)包括但不限于卷積層的卷積核權(quán)重、全連接層的權(quán)重矩陣以及所有層的偏置項(xiàng)。參數(shù)量是衡量模型復(fù)雜度和模型大小的一個(gè)直接指標(biāo)，反映了模型的容量和對數(shù)據(jù)擬合的潛在能力。

復(fù)雜度是指計(jì)算量，通常以浮點(diǎn)運(yùn)算次數(shù)FLOPs為單位，衡量的是模型進(jìn)行一次前向傳播或反向傳播時(shí)所需的理論浮點(diǎn)運(yùn)算次數(shù)，代表了模型在推理或訓(xùn)練時(shí)的時(shí)間復(fù)雜度，是評估模型運(yùn)行效率和硬件需求的重要依據(jù)。為了進(jìn)一步表達(dá)大規(guī)模的運(yùn)算量，可能會(huì)使用更大的單位來表示復(fù)雜度，如MFLOPs（百萬次浮點(diǎn)運(yùn)算）、GFLOPs（十億次浮點(diǎn)運(yùn)算）、TFLOPs（萬億次浮點(diǎn)運(yùn)算）、PFLOPs（千萬億次浮點(diǎn)運(yùn)算）等。

2.2 試驗(yàn)環(huán)境與試驗(yàn)設(shè)置

本試驗(yàn)使用Pytorch 1.12.1框架，Linux操作系統(tǒng)，python 3.8版本，處理器為4.7 GHz的AMD R7-6800H，GPU為NVIDIA GeForce RTX 2080Ti。

試驗(yàn)過程中，通過遷移學(xué)習(xí)使用ImageNet模型的預(yù)訓(xùn)練權(quán)重以達(dá)到更好的訓(xùn)練效果［19］。將批量大?。╞atch size）設(shè)置為8，為降低batch size過小帶來的影響，使用批量歸一化（batch normalization，簡稱BN）來加快模型的收斂速度［20］。迭代次數(shù)（epoch）設(shè)置為60次，分類損失函數(shù)采用交叉熵?fù)p失函數(shù)，參數(shù)優(yōu)化器采用隨機(jī)梯度下降優(yōu)化算法（stochastic gradient descent，簡稱SGD），動(dòng)量參數(shù)設(shè)置為0.9［21］。采用動(dòng)態(tài)更新學(xué)習(xí)率的訓(xùn)練策略，初始學(xué)習(xí)率設(shè)置為0.001，并在迭代的第17、20次將學(xué)習(xí)率降低90%。此次試驗(yàn)于2023年5月6日在武漢輕工大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院東八402實(shí)驗(yàn)室完成。

2.3 試驗(yàn)結(jié)果與分析

為驗(yàn)證本研究提出的模型的有效性，本節(jié)使用“1.1”節(jié)中的數(shù)據(jù)集進(jìn)行比較試驗(yàn)。首先，將數(shù)據(jù)集按8 ∶1 ∶1的比例劃分為訓(xùn)練集、驗(yàn)證集和測試集；其次，使用經(jīng)過訓(xùn)練的模型來測試測試集。最后，使用“2.1”節(jié)中的評估指標(biāo)來驗(yàn)證提出的模型。

2.3.1 損失分析

損失值是衡量模型訓(xùn)練好壞的重要指標(biāo)，損失值越低代表著預(yù)測框與真實(shí)框之間的差距越小，目標(biāo)檢測效果越好。圖6顯示了Cascade RCNN和ME-Cascade在訓(xùn)練過程中的損失變化圖，其中橫坐標(biāo)是迭代次數(shù)，縱坐標(biāo)是損失值。從圖中可以看出，迭代4 000次后，損失明顯減少。這是因?yàn)楸狙芯渴褂玫乳g隔學(xué)習(xí)率調(diào)整方法，32 000 次迭代對應(yīng)于第1次學(xué)習(xí)率調(diào)整（即第17次epoch），這顯示了引入等間隔學(xué)習(xí)率來訓(xùn)練模型的優(yōu)點(diǎn)。此外，經(jīng)過55 000次迭代，2個(gè)模型的損失逐漸收斂，可以看出本研究提出的ME-Cascade模型的損失收斂值有明顯的降低，改進(jìn)之后的檢測效果有明顯提升。

2.3.2 消融試驗(yàn)

消融試驗(yàn)的結(jié)果見表1，以Cascade RCNN模型為基礎(chǔ)，與依次加入多尺度特征提取網(wǎng)絡(luò)Res2Net、跨通道特征融合層和樣本均衡采樣的3種模型在確保試驗(yàn)環(huán)境和其他參數(shù)一致的前提下進(jìn)行對比試驗(yàn)，并通過mAP、幀率（FPS）、參數(shù)量、復(fù)雜度等指標(biāo)來分析模型性能。

由表1可知，在原模型上增加了多尺度特征提取網(wǎng)絡(luò)Res2Net的Case1，相比較Cascade RCNN而言mAP值增長了2.1百分點(diǎn)，F(xiàn)PS下降了6.71幀/s，參數(shù)量增長了0.66 M，模型復(fù)雜度增加了 2.64 GFLOPs。由此可以看出，Case1在犧牲了少量的訓(xùn)練時(shí)間的前提下，獲得了比較明顯的精度提升，也表明了Res2Net有利于小目標(biāo)的檢測。在Case2中，加入了跨通道特征融合層，使得mAP值達(dá)到96.6%，比Case1中高出了0.3百分點(diǎn)。這是因?yàn)橥ㄟ^跨通道特征融合層可以更好地融合多個(gè)特征圖，增強(qiáng)網(wǎng)絡(luò)對不同大小目標(biāo)的感知能力，從而降低對小目標(biāo)的漏檢問題。與Case1相比，參數(shù)的數(shù)量并沒有變化，訓(xùn)練時(shí)間也變化不大，這是因?yàn)榭缤ǖ捞卣魅诤蠈記]有添加新的參數(shù)，它相當(dāng)于在3×3的卷積前后都加入了1×1的卷積，只是為了獲取更多的上下文信息，增加網(wǎng)絡(luò)表達(dá)能力。最后，ME-Cascade在Case2的前提下加入了樣本均衡采樣，解決了小目標(biāo)帶來的正負(fù)樣本數(shù)量差距大的問題，mAP漲到了96.9%，相比較Cascade RCNN、Case1和Case2，分別增長了2.7、0.6、0.3百分點(diǎn)。

在當(dāng)前的目標(biāo)檢測算法中，通常以IoU閾值為0.5或0.75時(shí)的 AP值作為參考標(biāo)準(zhǔn)。所以根據(jù)實(shí)驗(yàn)結(jié)果，分別繪制了交并比（IoU）閾值為0.5和0.75時(shí)不同改進(jìn)點(diǎn)模型的PR圖，如圖7所示。無論IoU閾值是0.5還是0.75，都可以看出，ME-Cascade的PR曲線圖所包圍的區(qū)域，即平均精度，要高于其他3個(gè)模型。進(jìn)一步說明了多尺度特征提取、跨通道特征融合和樣本均衡采樣的有效性和合理性。

此外，圖8、圖9提供了原始模型Cascade RCNN和本研究提出模型ME-Cascade的混淆矩陣圖，矩陣的每一行代表預(yù)測的類別，每一列代表真實(shí)的類別，主對角線上的元素屬于正確檢測樣本所占比例，從混淆矩陣可以直觀地看出改進(jìn)后的模型在檢測的準(zhǔn)確率上有所提高，錯(cuò)檢率明顯降低。

以上試驗(yàn)結(jié)果表明，ME-Cascade在復(fù)雜環(huán)境的水稻害蟲檢測上，可以高質(zhì)量地提取小目標(biāo)害蟲的特征，減少周圍環(huán)境對害蟲檢測的干擾，進(jìn)而提升模型的檢測性能。

2.3.3 不同模型之間的性能比較

選取經(jīng)典的目標(biāo)檢測模型Faster RCNN、RetinaNet［22］、YOLOF［23］、VFNet［24］和現(xiàn)有的用于害蟲檢測的模型YOLOF_PD［23］、MSRSALU-Net［25］，以及原始模型Cascade RCNN與本研究提出的ME-Cascade模型分別進(jìn)行對比試驗(yàn)，驗(yàn)證該模型的有效性。不同模型的mAP值變化對比如圖10、圖11所示，可以看出ME-Cascade的檢測精度不管是訓(xùn)練開始還是到最后收斂，都要高于其他的幾種對比模型。

由表2可知，從檢測精度的角度來看，ME-Cascade模型要遠(yuǎn)高于其他的目標(biāo)檢測模型，mAP達(dá)到了96.9%。尤其是水稻害蟲稻螟蛉這一類的漲幅最為明顯，平均精度漲了5.7百分點(diǎn)，因?yàn)榇祟惡οx的體積最小，本研究提出的針對于小目標(biāo)檢測的模型有效解決了這一類害蟲的識別。從檢測速度的角度來看，單階段模型的檢測速度最快，但是他們的檢測精度卻最低，ME-Cascade模型雖然慢，但是卻得到了更好的檢測效果。無論是與經(jīng)典模型，還是與現(xiàn)有的害蟲檢測模型進(jìn)行對比，ME-Cascade模型的檢測精度都要高很多。由上述可得，本研究提出的模型相較于原始模型在每張圖片損失了0.005 s速度的同時(shí)，得到了2.7百分點(diǎn)的精度提升，更適用于真實(shí)復(fù)雜環(huán)境下的水稻害蟲檢測。

3 結(jié)論

本研究提出一種ME-Cascade模型用于復(fù)雜環(huán)境下的水稻害蟲檢測，該模型在檢測過程中針對水稻害蟲體積小、背景雜亂而產(chǎn)生的錯(cuò)檢漏檢等問題，不僅能在更細(xì)粒的程度上提取小目標(biāo)的特征，而且能降低真實(shí)田地環(huán)境給小目標(biāo)檢測的帶來的噪聲干擾，為復(fù)雜環(huán)境下的水稻害蟲檢測提供了一種新的思路。

針對復(fù)雜環(huán)境下蟲害目標(biāo)較小的問題，本研究模型引入了Res2Net卷積神經(jīng)網(wǎng)絡(luò)用于多個(gè)尺度特征的提取，mAP值較原始模型提高了2.1百分點(diǎn)。然后為解決環(huán)境噪聲問題，在RPN中加入了跨通道融合層，并將重采樣方式改為樣本均衡采樣，減少了對無用特征的提取而更加關(guān)注于小目標(biāo)，緩解了錯(cuò)檢和漏檢的問題，mAP值提高了0.6百分點(diǎn)。

本研究提出的ME-Cascade模型mAP值達(dá)到了96.9%，檢測性能遠(yuǎn)優(yōu)于對比模型Faster RCNN、RetinaNet、YOLOF、VFNet、Cascade RCNN、YOLOF_PD和MSRSALU-Net。但本研究在試驗(yàn)中選取的水稻害蟲種類不多、模型參數(shù)量大，在接下來的研究中，如何在檢測更多的水稻害蟲種類時(shí)保持較高的檢測精度，并將檢測模型輕量化用于移動(dòng)設(shè)備方便現(xiàn)場實(shí)操是需要挑戰(zhàn)的難點(diǎn)。

參考文獻(xiàn)：

［1］蔣龍泉，魯 帥，馮 瑞，等. 基于多特征融合和SVM分類器的植物病蟲害檢測方法［J］. 計(jì)算機(jī)應(yīng)用與軟件，2014，31（12）：186-190.

［2］Ebrahimi M A，Khoshtaghaza M H，Minaei S，et al. Vision-based pest detection based on SVM classification method［J］. Computers and Electronics in Agriculture，2017，137：52-58.

［3］葉 聰，沈金龍. 基于圖像灰度頻率與人工神經(jīng)網(wǎng)絡(luò)的病蟲害防治［J］. 電子器件，2018，41（1）：250-255.

［4］郭 陽，許貝貝，陳桂鵬，等. 基于卷積神經(jīng)網(wǎng)絡(luò)的水稻蟲害識別方法［J］. 中國農(nóng)業(yè)科技導(dǎo)報(bào)，2021，23（11）：99-109.

［5］溫艷蘭，陳友鵬，王克強(qiáng)，等. 基于遷移學(xué)習(xí)和改進(jìn)殘差網(wǎng)絡(luò)的復(fù)雜背景下害蟲圖像識別［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（8）：171-177.

［6］姚 青，谷嘉樂，呂 軍，等. 改進(jìn)RetinaNet的水稻冠層害蟲為害狀自動(dòng)檢測模型［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36（15）：182-188.

［7］Li K S，Wang J C，Jalil H，et al. A fast and lightweight detection algorithm for passion fruit pests based on improved YOLO v5［J］. Computers and Electronics in Agriculture，2023，204：107534.

［8］Cai Z W，Vasconcelos N. Cascade R-CNN：delving into high quality object detection［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City，UT，USA：IEEE，2018：6154-6162.

［9］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.

［10］Wicaksono G W，Andreawan V. ResNet101 model performance enhancement in classifying rice diseases with leaf images［J］. Jurnal RESTI （Rekayasa Sistem dan Teknologi Informasi），2023，7（2）：345-352.

［11］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）.Honolulu，HI，USA：IEEE，2017：936-944.

［12］Liu L，Ouyang W L，Wang X G，et al. Deep learning for generic object[KG*2/3]detection：a[KG*2/3]survey［J］.[KG*2/3]International Journal of ComputerVision，2020，128（2）：261-318.

［13］Gao S H，Cheng M M，Zhao K，et al. Res2Net：a new multi-scale backbone architecture［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2021，43（2）：652-662.

［14］岳有軍，田博凱，王紅君，等. 基于改進(jìn)Mask RCNN的復(fù)雜環(huán)境下蘋果檢測研究［J］. 中國農(nóng)機(jī)化學(xué)報(bào)，2019，40（10）：128-134.

［15］高新波，莫夢竟成，汪海濤，等. 小目標(biāo)檢測研究進(jìn)展［J］. 數(shù)據(jù)采集與處理，2021，36（3）：391-417.

［16］蔣心璐，陳天恩，王 聰，等. 農(nóng)業(yè)害蟲檢測的深度學(xué)習(xí)算法綜述［J］. 計(jì)算機(jī)工程與應(yīng)用，2023，59（6）：30-44.

［17］Pang J M，Chen K，Shi J P，et al. Libra R-CNN：towards balanced learning for object detection［C］//2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Long Beach，CA，USA：IEEE，2019：821-830.

［18］徐 聰，王旭啟，劉 裕. 一種改進(jìn)可形變FCN的農(nóng)作物害蟲檢測方法［J］. 江蘇農(nóng)業(yè)科學(xué)，2022，50（9）：211-219.

［19］何雨霜，王 琢，王湘平，等. 深度學(xué)習(xí)在農(nóng)作物病害圖像識別中的研究進(jìn)展［J］. 中國農(nóng)機(jī)化學(xué)報(bào)，2023，44（2）：148-155.

［20］Garbin C，Zhu X Q，Marques O. Dropout vs. batch normalization：an empirical study of their impact to deep learning［J］. Multimedia Tools and Applications，2020，79（19/20）：12777-12815.

［21］鄭顯潤，鄭 鵬，王文秀，等. 基于多尺度特征提取深度殘差網(wǎng)絡(luò)的水稻害蟲識別［J］. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2023，44（3）：438-446.

［22］Lin T Y，Goyal P，Girshick R，et al. Focal loss for dense object detection［C］//2017 IEEE International Conference on Computer Vision （ICCV）.Venice，Italy：IEEE，2017：2980-2988.

［23］彭紅星，徐慧明，高宗梅，等. 基于改進(jìn)YOLOF模型的田間農(nóng)作物害蟲檢測方法［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2023，54（4）：285-294，303.

［24］Zhang H Y，Wang Y，Dayoub F，et al. VarifocalNet：an IoU-aware dense object detector［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Nashville，TN，USA：IEEE，2021：8510-8519.

［25］李 萍，劉 裕，師曉麗，等. 基于多尺度殘差空間注意力輕量化U-Net的農(nóng)業(yè)害蟲檢測方法［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（3）：187-196.

收稿日期：2023-07-15

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目（編號：61272278）；湖北省重大科技專項(xiàng)（編號：2018ABA099）；湖北省教育廳科學(xué)研究計(jì)劃重點(diǎn)項(xiàng)目（編號：D20201601）

作者簡介：魏志慧（1998—），女，湖北武漢人，碩士研究生，主要從事農(nóng)業(yè)圖像識別研究。E-mail：1559480513@qq.com。

通信作者：張 聰，博士，教授，主要從事多媒體信息處理及網(wǎng)絡(luò)通信、人工智能與大數(shù)據(jù)等研究。E-mail：hb_wh_zc@163.com。