基于卷积神经网络的水稻虫害识别方法

郭阳， 许贝贝， 陈桂鹏， 丁建， 严志雁， 梁华， 吴昌华*

(1.江西省农业科学院农业经济与信息研究所，江西省农业信息化工程技术研究中心，南昌 330200；2.中国农业科学院农业信息研究所，北京 10086)

水稻是中国主要粮食作物之一，2020年种植面积超过3 000万hm2，产量超过21 000万t[1]。生物灾害影响水稻高产稳产，每年因害虫爆发造成我国水稻产业损失超过10%[2]。全国农业技术推广服务中心预计2021年水稻虫害将呈偏重发生态势，发生面积9 520万 hm2，将对经济造成巨大损失[3]。高效识别水稻虫害是做好预测的关键，对有效防控水稻虫害意义重大。传统的方法是通过人工识别方法调查、监测水稻虫害，这种方式劳动强度大、效率低，难以满足生产上防控的需要。

快速准确地识别水稻虫害对防控意义重大。但复杂真实环境下快速检测水稻虫害存在诸多挑战：叶片对害虫遮挡、多害虫之间也会存在遮挡、水稻颜色和害虫类似难以识别。随着机器视觉技术发展，国内外学者对虫害识别算法做了很多研究，利用信息化手段完善水稻虫害识别预测，对虫害防控有重要实践价值[4]。早期学者采用机器学习和经典神经网络等方法开始农业虫害识别，主要思路为：建立基于虫害数据库，提取颜色、纹理和形状三大图像特征，采用典型的机器学习方法支持向量机和K近邻分类方法、典型的神经网络方法BP神经网络进行特征分类，从而实现虫害识别。周正[5]采用BP神经网络算法结合纹理、颜色、形状3种特征识别番茄早疫病、晚疫病和叶霉病等病虫害，识别速度优于最近邻域法。……