基于改进YOLO v5的宁夏草原蝗虫识别模型研究

摘要：

针对草原蝗虫图像具有样本收集困难、目标较小和目标多尺度等技术难点,基于YOLO v5网络,提出了一种复杂背景下多尺度蝗虫目标检测识别模型YOLO v5-CB,用于宁夏草原常见蝗虫检测.改进模型YOLO v5-CB针对蝗虫原始样本量较少的问题,使用CycleGAN网络扩充蝗虫数据集;针对蝗虫图像中的小目标特征,使用ConvNeXt来保留小目标蝗虫的特征;为有效解决蝗虫图像尺度特征变换较大问题,在颈部特征融合使用Bi-FPN结构,来增强网络对多尺度目标的特征融合能力.实验结果表明,在对宁夏草原常见亚洲小车蝗、短星翅蝗、中华剑角蝗进行检测识别时,YOLO v5-CB的识别精度可达98.6％,平均精度均值达到96.8％,F1值为98％,与Faster R-CNN、YOLO v3、YOLO v4、YOLO v5模型相比,识别精度均有提高.将改进的蝗虫检测识别模型YOLO v5-CB与研发的分布式可扩展生态环境数据采集系统结合,构建了基于4G网络的Web端蝗虫识别平台,可对观测点的蝗虫图像进行长期实时检测.目前,该平台已在宁夏回族自治区盐池县大水坑、黄记场、麻黄山等地的草原生态环境数据获取中得到了应用,可对包括宁夏草原蝗虫信息在内的多种生态环境信息进行长期检测和跟踪,为虫情防治等提供决策依据.

关键词：蝗虫识别、YOLO v5、CycleGAN、ConvNeXt、Bi-FPN、分布式可扩展系统

所属期刊栏目：53

分类号：S433.2;TP181(病虫害及其防治)

资助基金：宁夏自然科学基金项目;宁夏农业高质量发展;生态保护科技创新项目;北方民族大学校级项目;北方民族大学校级项目

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：270-279