張巖，羅小玲，潘新

（內(nèi)蒙古農(nóng)業(yè)大學(xué) 計算機與信息工程學(xué)院，內(nèi)蒙古 呼和浩特 010018）

草原生態(tài)系統(tǒng)承擔(dān)著防風(fēng)固沙，調(diào)節(jié)氣候，維護(hù)生物多樣性等功能。鼠類作為其中的一員，其數(shù)量變化對生態(tài)平衡至關(guān)重要［1］。近年來，由于過度開墾，草原植被生長周期變長，植被矮小，覆蓋率低，為鼠類生存提供了合適的生存環(huán)境，導(dǎo)致鼠類猖獗。嚴(yán)重威脅了草原生態(tài)環(huán)境和生物多樣性，也制約著畜牧業(yè)的經(jīng)濟發(fā)展［2］。因此，動態(tài)的觀察鼠類變化，加強鼠害監(jiān)測，有利于及時開展防治，對生態(tài)改善和畜牧業(yè)發(fā)展具有重大意義。

隨著草業(yè)信息技術(shù)的發(fā)展，無人機結(jié)合圖像處理在鼠害監(jiān)測領(lǐng)域得到了廣泛的應(yīng)用。周曉琳等［3］通過分割影像，選取出典型特征樣本并生成初始模板，對有鼠洞的區(qū)域進(jìn)行模板匹配，標(biāo)記正確樣本并更新模板，不斷提高匹配精度；溫阿敏等［4］用低空無人機遙感對鼠洞密度進(jìn)行監(jiān)測，通過3 類對象分類方法來提取鼠洞分布信息，并分析評價鼠洞提取的適用性和分類精度；馬濤等［5］結(jié)合以往鼠害調(diào)查規(guī)律，發(fā)現(xiàn)鼠洞分布規(guī)律與地形之間存在關(guān)系，用無人機低空遙感影像提取地形因子數(shù)據(jù)，為研究地形與鼠洞關(guān)系奠定基礎(chǔ)；花蕊等［6］通過提取無人機影像中洞口數(shù)、地表生物量等指標(biāo)，構(gòu)建多因子綜合指標(biāo)體系對研究區(qū)危害等級進(jìn)行劃分，為高效準(zhǔn)確監(jiān)測鼠害提供技術(shù)支持；熊瑞東等［7］使用4 種監(jiān)督分類方法對無人機影像中的鼠洞進(jìn)行提取分類并對比分析分類方法效果，為后續(xù)鼠害信息提取奠定基礎(chǔ)。但是，傳統(tǒng)的鼠洞提取過程復(fù)雜、繁瑣，且生成的模型泛化性不強。

隨著深度學(xué)習(xí)在計算機視覺領(lǐng)域的發(fā)展［8］，目標(biāo)檢測算法也從傳統(tǒng)手工提取變?yōu)樯疃染矸e神經(jīng)網(wǎng)絡(luò)訓(xùn)練，精度、速度都得到了較大的提升。周俗等［9］用Mask R-CNN 網(wǎng)絡(luò)和Res2Net 網(wǎng)絡(luò)對鼠洞、次生裸地等地形地物進(jìn)行分割并統(tǒng)計面積，結(jié)合不同地物特征比例和數(shù)量關(guān)系來預(yù)測草原發(fā)展趨勢，建立鼠害監(jiān)測模型；崔博超等［10］用YOLOv3 網(wǎng)絡(luò)與YOLOv3-tiny 網(wǎng)絡(luò)重新聚類先驗框來訓(xùn)練鼠洞數(shù)據(jù)集，實現(xiàn)了對大沙鼠洞的識別定位；Wan等［11］從增加特征信息出發(fā)，在SSD 前置卷積網(wǎng)絡(luò)上，減少對某些層的連接，并與Faster R-CNN、傳統(tǒng)的人工檢測進(jìn)行對比，對鼠洞有較好的識別效果。以上深度學(xué)習(xí)的方法雖然涉及到算法的對比實現(xiàn)和精度的提高，但是沒有考慮現(xiàn)實場景下的鼠洞拍攝存在的多種情形，數(shù)據(jù)集較為單一，導(dǎo)致模型魯棒性較差。

為此，本研究以YOLOv5s 為基礎(chǔ)網(wǎng)絡(luò)，針對自然環(huán)境下拍攝的鼠洞存在特征弱、信息量少、容易受遮擋且與地物高度融合等情況，導(dǎo)致目標(biāo)不易識別，檢測精度較低。從特殊情形檢測的魯棒性出發(fā)，對算法進(jìn)行優(yōu)化改進(jìn)，旨在實現(xiàn)復(fù)雜場景下鼠洞的精確定位，為鼠害監(jiān)測在鼠洞檢測指標(biāo)方面提供模型依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)采集

本文的試驗區(qū)域位于內(nèi)蒙古自治區(qū)包頭市達(dá)爾罕茂明安聯(lián)合旗東南部的希拉穆仁鎮(zhèn)S104 省道南側(cè)，東與四子王旗毗鄰，南與武川縣接壤。地理坐標(biāo)為東經(jīng)109°，北緯41.32°，植被較為稀疏和低矮，鼠類物種豐富，主要鼠類包括長爪沙鼠、大沙鼠、中華鼢鼠和五趾跳鼠等［12-13］。數(shù)據(jù)采集平臺為大疆御Mavic2 變焦版無人機，為豐富數(shù)據(jù)集特征，對夏季7 月和冬季12 月的草地鼠洞進(jìn)行拍攝。

1.2 數(shù)據(jù)預(yù)處理

由于采集到的圖像鼠洞目標(biāo)樣本少，為使模型學(xué)習(xí)到更多特征來提高泛化能力及避免過擬合，需要對數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強。本文除使用鏡像翻轉(zhuǎn)、倒置和旋轉(zhuǎn)等方法擴充數(shù)據(jù)集外，還模擬拍攝因時間、天氣等因素帶來的影響，對圖像進(jìn)行模糊、加入噪聲和調(diào)整亮度等處理。

使用伽馬變換修正和增強對比度灰度過高或者過低的圖片；對圖像進(jìn)行模糊處理來增強檢測干擾，提升訓(xùn)練魯棒性；通過摳圖的方式裁剪目標(biāo)樣本，采用貼圖的方法隨機粘貼到數(shù)據(jù)集并進(jìn)行平滑處理，最后篩選出合格的數(shù)據(jù)集進(jìn)行訓(xùn)練。最終得到數(shù)據(jù)集共計圖像2036 張，以8∶2 的比例劃分訓(xùn)練集1629 張、測試集407 張。用LabelImg標(biāo)注工具對鼠洞（mousehole）目標(biāo)進(jìn)行標(biāo)注，并轉(zhuǎn)換成YOLO 框架的TXT 類型標(biāo)簽文件。

（1）伽馬校正。對部分?jǐn)?shù)據(jù)集進(jìn)行伽馬校正，展示具體細(xì)節(jié)信息，方便目標(biāo)標(biāo)注，如圖1 所示?？梢钥闯霎?dāng)γ 值為0.5 時，鼠洞的輪廓更容易分辨，當(dāng)γ 值為1.5 時，與地面背景融合度更高，不容易區(qū)分。

圖1 伽馬校正圖像Fig.1 Gamma correction images

（2）模糊處理。高斯模糊作為低通濾波的一種，通過對圖像進(jìn)行平滑處理來達(dá)到模糊的效果，但是操作過程中作用不明顯，如圖2（b）所示。因此，通過設(shè)置PhotoShop 中動感模糊的參數(shù)來模擬拍攝過程中模糊的圖像，效果如圖2（c）所示。

（3）貼圖處理。對包含鼠洞目標(biāo)較少的圖像進(jìn)行相同背景下的套索摳圖、復(fù)制粘貼等操作，增加鼠洞目標(biāo)占比。因為摳圖目標(biāo)周圍背景顏色相差不大，對摳出的目標(biāo)進(jìn)行隨機數(shù)據(jù)增強，包括翻轉(zhuǎn)和旋轉(zhuǎn)等，直接復(fù)制粘貼到圖像。貼圖前后對比如圖3 所示。

圖3 貼圖前后對比Fig.3 Comparison before and after texture mapping

1.3 YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv5s 由Input 輸入端、Backbone 主干網(wǎng)絡(luò)、Neck 頸部網(wǎng)絡(luò)和Detect 檢測頭4 個部分組成，如圖4 所示。

圖4 YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.4 Network structure of YOLOv5s

（1）Input 輸入端：對鼠洞圖像進(jìn)行裁剪、Mosaic 數(shù)據(jù)增強和自適應(yīng)錨框計算；

（2）Backbone 主干網(wǎng)絡(luò)：用來進(jìn)行特征提取，YOLOv5-6.0 設(shè)計了2 種CSP 結(jié)構(gòu)，C3_X 結(jié)構(gòu)應(yīng)用于Backbone 主干網(wǎng)絡(luò)進(jìn)行特征融合，C3_x_F 結(jié)構(gòu)用于Neck 中用來提取圖像中的特征信息；

（3）Neck 頸部網(wǎng)絡(luò)：采用FPN+PAN［14-15］結(jié)構(gòu)，如圖5 所示。該結(jié)構(gòu)使用自下而上和自上而下兩種路徑融合主干網(wǎng)絡(luò)的特征信息，實現(xiàn)淺層細(xì)節(jié)信息和深層語義信息的充分結(jié)合。SPP 空間金字塔池化，通過3 種尺寸的最大池化操作，將任意大小的特征圖轉(zhuǎn)換為固定大小的特征向量，并將輸出結(jié)果進(jìn)行拼接。SPPF 用多個小尺寸池化核代替SPP 中單個大尺寸卷積核，來融合不同感受野的特征圖，起到增大感受野的作用；

圖5 FPN+PAN 結(jié)構(gòu)Fig.5 FPN+PAN structure

（4）Detect 檢測頭：對圖像特征進(jìn)行預(yù)測，生成邊框、置信度和分類損失等信息。使用NMS 非極大值抑制進(jìn)行后處理，完成對預(yù)測框的過濾和邊界框參數(shù)的修正，實現(xiàn)目標(biāo)的準(zhǔn)確定位和分類回歸。

1.4 改進(jìn)的YOLOv5s 網(wǎng)絡(luò)

1.4.1 ECA 注意力機制

為了解決鼠洞檢測背景復(fù)雜，容易漏檢、誤檢的情況。在圖像檢測任務(wù)中融合注意力機制，更好的關(guān)注鼠洞特征，抑制背景信息干擾。

ECANet［16］是在分析SENet 跨通道交互過程中存在模型降維，會對預(yù)測產(chǎn)生負(fù)面影響的基礎(chǔ)上提出（圖6）。去除了SENet 中的FC（全連接層）層，將全連接改為一維卷積的形式。由于是一種非全連接，因此每次卷積只對部分通道起作用，實現(xiàn)了跨通道交互。在不降維的GAP（Global Average Pooling 全局平均池化層）聚合特征［C，1，1］后，先自適應(yīng)的確定卷積核k 的大小，進(jìn)行一維卷積后，再通過Sigmoid 函數(shù)學(xué)習(xí)通道注意力。k 與C 之間存在映射，通過通道維數(shù)來計算卷積核大小，k 的計算公式為：其中γ=2，b=1。

圖6 ECA 注意力機制Fig.6 ECA attention mechanism

在YOLOv5 中有2 種方法引入注意力機制，第1 種是Backbone 骨干網(wǎng)絡(luò)，第2 種是Head 檢測頭。通過試驗發(fā)現(xiàn)將ECA 注意力機制模塊加在Backbone 主干網(wǎng)絡(luò)C3 層的平均檢測精度更高，在C3 模塊中加入ECA 注意力機制，結(jié)合為C3ECA模塊，如圖7 所示。在主干網(wǎng)絡(luò)下采樣的第2 層開始進(jìn)行特征增強，來獲得更多細(xì)節(jié)信息，更加準(zhǔn)確的檢測小鼠洞。

圖7 C3ECA 模塊Fig.7 C3ECA module

1.4.2 轉(zhuǎn)置卷積

卷積神經(jīng)網(wǎng)絡(luò)用來進(jìn)行特征提取，通過多層卷積核池化等操作，在得到豐富語義信息的同時，特征圖也在變小，會丟失目標(biāo)信息。因此，需要將圖像恢復(fù)到原來的尺寸，也就是上采樣。常見的上采樣方法有最鄰近插值、線性插值、轉(zhuǎn)置卷積和反池化等。YOLOv5s 中采用最近鄰插值進(jìn)行上采樣，即缺少的像素直接用最鄰近的顏色生成，但這樣會破壞原圖中像素的漸變關(guān)系。

為了不破壞漸變關(guān)系，使用轉(zhuǎn)置卷積［17］來進(jìn)行上采樣。標(biāo)準(zhǔn)的卷積運算在kernal 矩陣與input矩陣之間建立一個多對一的映射關(guān)系，轉(zhuǎn)置卷積建立了一個標(biāo)準(zhǔn)卷積的逆向操作，形成一對多的映射關(guān)系。由于常規(guī)卷積的操作是不可逆的，所以轉(zhuǎn)置卷積并不是通過輸出矩陣和卷積核計算原始輸入矩陣，而是計算得到保持相對關(guān)系位置的矩陣。轉(zhuǎn)置卷積通過網(wǎng)絡(luò)訓(xùn)練得到可學(xué)習(xí)參數(shù)的適當(dāng)值，采用最優(yōu)的上采樣方法，來恢復(fù)小部分缺失的信息。轉(zhuǎn)置卷積的計算過程如圖8 所示：

對特征圖進(jìn)行補零操作即四邊補K-P-1 個0，單邊補S-1 個0，將卷積核進(jìn)行上下、左右翻轉(zhuǎn)后，進(jìn)行卷積操作。例如，輸入一個3×3 大小的特征圖，步長stride=S=2，padding=P=1，對矩陣進(jìn)行補零操作，填充后變?yōu)?×7 矩陣，將卷積核kernalsize=K=3 上下、左右翻轉(zhuǎn)后，進(jìn)行卷積操作得到5×5 矩陣。轉(zhuǎn)置卷積的計算公式如公式（2）所示：

1.4.3 SIoU Loss

在鼠洞目標(biāo)檢測中，存在2 個距離較近目標(biāo)的回歸框相交出現(xiàn)多框的情況。YOLOv5s 中的回歸損失函數(shù)是CIoU［18］，雖然引入了檢測框的長寬比要素，但是只能度量寬高比的一致性，不是真實寬高與其置信度的差異，會阻礙預(yù)測框回歸優(yōu)化。而且對于小鼠洞來說，預(yù)測框和真實框之間的中心點距離作用更明顯，長寬比并不占優(yōu)勢。SIoU［19］從回歸向量之間的方向和夾角出發(fā)，引入真實框和預(yù)測框之間的向量角度，對預(yù)測框進(jìn)行x軸或y 軸某一方向的約束，來提高收斂速度。SIoU 由角度成本Angle cost，距離成本Distance cost，形狀成本Shape cost 和IoU cost 四個成本函數(shù)組成。

（1）角度成本：

以預(yù)測框的中心B(bcx，bcy)為出發(fā)點，設(shè)置到真實框中心點距離的橫向軸或縱向軸來降低錨框的自由度，實現(xiàn)沿著相關(guān)軸快速接近真實框，如圖9（a）所示，角度成本計算如公式（3）所示。

圖9 角度成本和距離成本的計算Fig.9 Calculation of angle cost and distance cost

其中，σ 和ch分別表示為真實框和預(yù)測框中心點之間的距離和高度差。

（2）距離成本：

表示預(yù)測框與真實框的最小外接矩形的對角線距離，如圖9（b）所示，距離成本計算公式如公式（4）和公式（5）所示。

其中，cw和ch代表最小外接矩形的寬和高。

（3）形狀成本：

其中，w 和wgt分別表示預(yù)測框與真實框的寬，h 和hgt分別表示預(yù)測框與真實框的高，θ 取值接近4。

最后，得出SIoU 回歸損失函數(shù)為：

圖10 IoU LossFig.10 IoU Loss

1.4.4 改進(jìn)后的YOLOv5s 模型

對于鼠洞這類目標(biāo)的檢測，YOLOv5s 經(jīng)過多次下采樣會丟失鼠洞淺層信息，存在容易漏檢的情況，對于距離較近的鼠洞會出現(xiàn)冗余框。因此，對YOLOv5s 網(wǎng)絡(luò)進(jìn)行改進(jìn)。在主干網(wǎng)絡(luò)加入注意力機制來更好的進(jìn)行特征提取，實現(xiàn)鼠洞的精準(zhǔn)定位和識別；采用轉(zhuǎn)置卷積來學(xué)習(xí)最優(yōu)的上采樣方法，恢復(fù)缺失的鼠洞信息，使模型獲取更多的特征。改進(jìn)后的YOLOv5s 模型如圖11 所示。

圖11 改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.11 Improved network structure diagram

2 結(jié)果與分析

2.1 評價指標(biāo)

本文采用目標(biāo)檢測領(lǐng)域最常用的指標(biāo)，檢測精度P、召回率R、平均檢測精度mAP、浮點運算次數(shù)GFLOPS 和每秒檢測幀數(shù)FPS 等指標(biāo)來衡量算法性能，計算公式如下：

其中，TP 表示模型正確檢測出來的鼠洞個數(shù)，F(xiàn)P表示模型誤檢的鼠洞個數(shù)，F(xiàn)N 表示模型漏檢的鼠洞個數(shù)。P 和R 作為橫縱坐標(biāo)畫出PR 曲線p（r），計算PR 曲線下面積為平均精確度AP，mAP 是各類AP 的平均值，用來衡量模型性能的好壞。

2.2 試驗環(huán)境

試驗所用的計算機硬件環(huán)境為12th Gen Intel（R）Core（TM） i5-12600KF 3.70 GHz 16.0 GB，NVIDIA GeForce RTX 3080 GPU，軟件環(huán)境為Windows 10 操作系統(tǒng)，深度學(xué)習(xí)框架為Pytorch，所用語言為Python。輸入圖像為640×640，訓(xùn)練時batch size 為8，初始化學(xué)習(xí)率為0.01，優(yōu)化器為Adam，可自動調(diào)整學(xué)習(xí)率，學(xué)習(xí)率動量為0.9，權(quán)重衰減為0.000 5。訓(xùn)練中設(shè)置相同的數(shù)據(jù)集和參數(shù)，根據(jù)訓(xùn)練生成的數(shù)據(jù)繪制目標(biāo)訓(xùn)練損失函數(shù)曲線，如圖12 所示?？梢钥闯銮?0 個epoch 快速擬合，在200 個epoch 左右，loss 值逐漸平緩收斂。因此，訓(xùn)練的epcoch 設(shè)為200。

圖12 訓(xùn)練損失曲線Fig.12 Training loss curve

2.3 試驗結(jié)果與分析

2.3.1 注意力機制對比試驗

為驗證注意力機制結(jié)合主干網(wǎng)絡(luò)C3 模塊對YOLOv5s 性能的影響，對比SE、CBAM、CA 和ECA 四種主流注意力機制，在相同的環(huán)境下進(jìn)行實驗，結(jié)果如表1 所示?？梢钥闯霾皇撬械淖⒁饬C制添加位置對算法都有提升，除了CA 之外，其它3 種算法相比原始YOLOv5s 算法的P、R 和mAP 三類指標(biāo)都有不同程度的提升。其中，SE 的召回率較高，但是檢測精度提升不夠明顯；CBAM的檢測精度、召回率和平均檢測精度分別提升了2.6%、3%和2.7%，檢測精確度最高，平均檢測精度也較高，綜合檢測效果較好；ECA 的召回率和平均檢測精度最高，是在SE 的基礎(chǔ)上增加了通道權(quán)重加權(quán)，從而保證通道權(quán)重和通道之間的關(guān)系不被破壞，3 類指標(biāo)相比于SE 分別提高了2%、0.1%和1.3%，綜合檢測效果比SE 更好。所以，本文選擇ECA 結(jié)合C3 模塊進(jìn)行目標(biāo)檢測。

表1 不同注意力機制的對比Table 1 Comparison of different attention mechanisms

2.3.2 消融試驗

為了驗證3 種改進(jìn)策略的有效性，在自建數(shù)據(jù)集上展開消融實驗，并對性能進(jìn)行分析。為了保證試驗的準(zhǔn)確性，訓(xùn)練過程中使用相同的參數(shù)配置，結(jié)果如表2 所示。

表2 消融試驗Table 2 Ablation experiments

可以看出，相較于YOLOv5s 算法，4 種改進(jìn)策略都有不同程度的提升。其中，采用轉(zhuǎn)置卷積優(yōu)化上采樣方法后，P、R、mAP 分別提升了3.2%、2.6%和3.2%，其中精確度提高最為明顯，說明在上采樣過程中能恢復(fù)部分丟失的信息，使提取的鼠洞信息更加充分。在Backbone 主干網(wǎng)絡(luò)中引入ECA 后，P、R、mAP 分別提升了2.5%、3.8% 和2.9%，F(xiàn)PS 達(dá)到67.9。融合ECA 注意力機制可以對重要的通道特征進(jìn)行集中關(guān)注，減少要處理的信息量，結(jié)合C3 模塊不僅減少了模型參數(shù)量，還提升了檢測速度和檢測精度。改變回歸損失函數(shù)為SIoU，P、R 和mAP 分別提高了2.8%、4.3%、1.4%，可以有效減少冗余框，提高召回率，加快模型收斂速度。同時本文提出模型的P、R 和mAP比原始YOLOv5s 提高了3.3%、3.7% 和3.5%，F(xiàn)PS 達(dá)到56.7。在提高平均檢測精度的同時，改進(jìn)后FPS 有所下降，但是仍然可以滿足實時檢測的能力。改進(jìn)前后的模型在數(shù)據(jù)集上得到的mAP如圖13 所示。

圖13 改進(jìn)前后mAP 對比圖Fig.13 Comparison of mAP before and after improvement

2.3.3 鼠洞識別結(jié)果與分析

為驗證所設(shè)計的模型對復(fù)雜場景的檢測效果，對測試集圖像識別結(jié)果進(jìn)行分析。在圖像遮擋、陰影影響、模糊和光線較暗的場景下對鼠洞的識別情況如圖14 所示，識別正確的用白色橢圓表示，多檢或漏檢錯檢用黑色橢圓表示。可以看出改進(jìn)后的模型在鼠洞被遮擋的情況下也能完全識別出鼠洞；在有陰影的情況下，也能避免陰影，只識別鼠洞；在圖像模糊的情況下也能準(zhǔn)確識別鼠洞特征；在光線較暗的情況下，對間隔距離較近的鼠洞也能分別正確框出鼠洞位置，不會出現(xiàn)多框的情況。

圖14 改進(jìn)的模型在不同場景下的識別Fig.14 Recognition of improved model in different scenarios

2.3.4 主流目標(biāo)檢測模型對比

為驗證改進(jìn)算法的有效性，將改進(jìn)的算法與SSD，F(xiàn)aster-RCNN，YOLOv4 這3 種常用目標(biāo)檢測網(wǎng)絡(luò)在數(shù)據(jù)集上進(jìn)行實驗對比，將mAP 與體積、FPS 等作為評價指標(biāo)，主流算法性能對比如表3 所示?？梢钥闯龈倪M(jìn)后的網(wǎng)絡(luò)相較于其他網(wǎng)絡(luò)，有著較高的mAP 值，相對于SSD、Faster-RCNN和 YOLOv4 分別提高 30.61%、13.57% 和21.53%。SSD 雖然識別速度最快，但是平均檢測精度最低；Faster-RCNN 作為二階段目標(biāo)檢測算法，平均檢測精度較高，但是檢測速度最慢；YOLOv4 的體積最大，而且檢測效果不如Faster-RCNN 好。綜上所述，本文提出的模型在平均檢測精度、體積和速度上相對有較優(yōu)秀的表現(xiàn)。

表3 主流算法性能對比Table 3 Performance comparison of mainstream algorithms

選擇光線較暗、模糊和遮擋3 種情形下的鼠洞圖像，進(jìn)行主流算法檢測效果的展示。4 種模型識別結(jié)果如圖15 所示，用藍(lán)色橢圓表示未識別到的鼠洞目標(biāo)，白色橢圓表示檢測框重疊多檢情況，用黃色橢圓表示圖像上鼠洞的正確位置?？梢钥闯龈倪M(jìn)的網(wǎng)絡(luò)相較于原始YOLOv5s 網(wǎng)絡(luò)，對這3 種情況的識別結(jié)果較為準(zhǔn)確，也就是黃色橢圓所框的位置。在模糊和遮擋的情況下YOLOv5s 存在漏檢（圖15d 藍(lán)色橢圓標(biāo)識），改進(jìn)的算法優(yōu)化了上采樣方法，可以恢復(fù)下采樣丟失的信息，一定程度上提高了模型的預(yù)測準(zhǔn)確性。其它3 種算法中SSD 識別效果最差，漏檢情況嚴(yán)重（圖15a 藍(lán)色橢圓標(biāo)識），存在鼠洞識別不出來的情況；Faster-RCNN 雖然可以較為準(zhǔn)確的檢測到目標(biāo)，但是對于同一鼠洞存在檢測框冗余的情況（圖15b 白色橢圓標(biāo)識）；YOLOv4 漏檢情況嚴(yán)重（圖15c 藍(lán)色橢圓所示），在3 種情況下的檢測均不是很理想。

圖15 不同算法檢測結(jié)果對比Fig.15 Comparison of detection results of different algorithms

3 討論

現(xiàn)階段使用深度學(xué)習(xí)模型進(jìn)行鼠害監(jiān)測的研究較少，雖然在遙感圖像中將鼠洞歸為小目標(biāo)，但是缺少對鼠洞目標(biāo)在圖像中占比的分析，導(dǎo)致“小目標(biāo)”的定義缺乏統(tǒng)一標(biāo)準(zhǔn)。計算機視覺領(lǐng)域［20］將邊界框面積與圖像面積做比，中位數(shù)介于0.08%~0.58%之間的視為小目標(biāo)。對本試驗數(shù)據(jù)集錨框?qū)捀哌M(jìn)行聚類分析，如圖16 所示，可以看出錨框?qū)捀咧饕奂?.05 以下，鼠洞目標(biāo)在整張圖像中的占比集中為為0.25%左右，符合小目標(biāo)的定義。

圖16 數(shù)據(jù)集分析圖Fig.16 Dataset analysis chart

采用YOLOv3 算法和SSD 算法對本研究的數(shù)據(jù)集進(jìn)行訓(xùn)練并測試，發(fā)現(xiàn)實驗效果并沒有崔博超等［10］和Wan 等［11］的研究效果好，檢測準(zhǔn)確率較低，存在鼠洞目標(biāo)識別不出來的情況。其根本原因在于鼠洞檢測領(lǐng)域沒有公共的數(shù)據(jù)集，不同地形、氣候的數(shù)據(jù)集種類和目標(biāo)占比等條件也不盡一致，導(dǎo)致模型檢測準(zhǔn)確率難以界定。另外，本研究發(fā)現(xiàn)不同季節(jié)植被生長狀況及光照影響、拍攝過程中圖像模糊、鼠洞在圖像中占比大小等情況都會影響鼠洞檢測的準(zhǔn)確率。在現(xiàn)實應(yīng)用中，拍攝鼠洞的各類情況都需要考慮進(jìn)去，這樣才能確保檢測模型的普適性。本文從數(shù)據(jù)集的廣泛性和多樣性出發(fā)來提高模型泛化能力，旨在訓(xùn)練出更具魯棒性的鼠洞檢測算法。對比不同深度學(xué)習(xí)算法發(fā)現(xiàn)YOLOv5s 算法對鼠洞的檢測效果較好，檢測準(zhǔn)確率、模型體積和速度都較有優(yōu)勢，因此在其基礎(chǔ)上進(jìn)行算法優(yōu)化改進(jìn)，提高檢測準(zhǔn)確率。

針對鼠洞小目標(biāo)與地物高度融合容易誤檢、漏檢的情況，本文從特征提取、特征融合和錨框預(yù)測定位3 個角度出發(fā)。通過融合ECA 注意力機制模塊、重置上采樣方法和更換目標(biāo)檢測損失函數(shù)等方式來優(yōu)化YOLOv5s 模型。改進(jìn)的模型識別鼠洞的平均精確度為98.2%，比原始YOLOv5s 模型提高了3.5%，F(xiàn)PS 達(dá)到了56.7，且在特殊場景下無漏檢、錯檢的情況，可以保證鼠洞檢測的準(zhǔn)確性和實時性。為更豐富的鼠洞拍攝場景提供借鑒，也為鼠洞檢測提供更具通用性的深度學(xué)習(xí)模型。

4 結(jié)論

本文提出的改進(jìn)方法可以明顯改善YOLOv5s 模型出現(xiàn)的誤檢漏檢情況，獲得較好的檢測效果，滿足現(xiàn)實場景下無人機低空遙感鼠洞檢測的精度和速度需求，為鼠害監(jiān)測提供鼠洞檢測這一指標(biāo)的模型支撐。但是，在提高檢測精度的同時，不可避免的會增加模型參數(shù)，后續(xù)會把重點放在模型參數(shù)的減少和檢測速度的提升上。同時，鼠洞檢測還需結(jié)合地區(qū)鼠類繁殖變化情況，考慮是否為有效鼠洞，進(jìn)行動態(tài)檢測，綜合判斷。