基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法

邱荣洲, 赵 健, 何玉仙, 陈韶萍， 黄美玲, 池美香, 梁 勇, 翁启勇,*

(1. 福建省农业科学院植物保护研究所, 福建省作物有害生物监测与治理重点实验室, 福州 350013;2. 福建省农业科学院数字农业研究所, 福州 350003; 3. 漳州市长泰区植保站, 福建漳州 363900)

草地贪夜蛾Spodopterafrugiperda属鳞翅目(Lepidoptera)夜蛾科(Noctuidae)，是一种原产于美洲热带和亚热带地区的多食性、迁飞性重大农业害虫(Sparks, 1979; Toddel and Pooler, 1980; 郭井菲等, 2018)。2019年草地贪夜蛾已在我国南方的热带、南亚热带地区完成定殖过程(吴孔明, 2020)。对草地贪夜蛾进行种群监测是明确其发生规律并指导防治的重要基础性工作。传统的性信息素诱捕、灯光诱捕、田间调查等人工测报方法，需要由专人定期调查田间的发生为害情况并统计虫口数量，专业性强，劳动强度大，耗时且效率低下。现代信息技术的创新发展为害虫监测预警工作提供了新的方法和强有力的技术支持，基于机器学习的害虫图像识别与计数系统，可以克服传统监测方法存在的短板和不足，实现无人值守的草地贪夜蛾成虫自动识别与精准计数。

近年来，随着图像处理和机器学习等相关技术的快速发展，基于深度学习的图像识别技术在植物病虫害智能识别领域已得到广泛应用。例如，Liu等(2016)应用卷积神经网络(convolutional neural network, CNN)等方法来解决水稻12种害虫种类自动识别的问题，并取得较好的结果。Sladojevic等(2016)提出了一种识别13种病害的深度学习模型，采用人工图像预处理来突出目标区域，从而提高识别率，不足之处是耗时较长。……