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(duì)田間水稻害蟲檢測(cè)精度不高的問題，提出一種多尺度均衡級(jí)聯(lián)檢測(cè)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(jí)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(jí)聯(lián)檢測(cè)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(cè)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(shí)別效果。

關(guān)鍵詞：田間水稻害蟲；小目標(biāo)檢測(cè)；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(hào)：S435.112；TP391.41文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：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(duì)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(shí)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(shí)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(cè)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(cè)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(duì)于植物病蟲害檢測(cè)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(shí)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(cè)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(cè)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(cè)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(shí)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(shí)別的可行性［4］。溫艷蘭等針對(duì)復(fù)雜背景下傳統(tǒng)蟲害圖像識(shí)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(shí)別方法，有效提高了復(fù)雜環(huán)境下害蟲識(shí)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(shí)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(cè)精度的同時(shí)實(shí)現(xiàn)了檢測(cè)速度的提升［7］。

上述研究表明，雖然已有的目標(biāo)檢測(cè)算法在復(fù)雜環(huán)境下蟲害的識(shí)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(cè)帶來的干擾并沒有被解決。針對(duì)以上問題，本研究提出一種多尺度均衡級(jí)聯(lián)檢測(cè)模型（ME-Cascade），引入了Res2Net網(wǎng)絡(luò)和跨通道特征融合，并對(duì)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(duì)常見的水稻害蟲稻螟蛉、水稻大螟、稻綠蝽等進(jìn)行識(shí)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(duì)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(cè)試集，其中訓(xùn)練集3 760張，驗(yàn)證集和測(cè)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(cè)試集檢驗(yàn)最終選擇性能最優(yōu)的模型，并對(duì)試驗(yàn)結(jié)果進(jìn)行對(duì)比。圖1為部分害蟲圖像示例。

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

級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)（Cascade RCNN）是一個(gè)多重級(jí)聯(lián)結(jié)構(gòu)的二階段目標(biāo)檢測(cè)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(jí)聯(lián)檢測(cè)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(cè)階段，Cascade RCNN由一組IoU不斷增加的檢測(cè)器組成，每個(gè)階段的檢測(cè)器重點(diǎn)檢測(cè) IoU 在不同范圍內(nèi)的候選框，把前一個(gè)檢測(cè)器輸出的邊框回歸B作為后一個(gè)檢測(cè)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(cè)和網(wǎng)絡(luò)訓(xùn)練效果。

雖然Cascade RCNN[HJ2mm]對(duì)小目標(biāo)的檢測(cè)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(cè)問題，提高小目標(biāo)的檢測(cè)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(jí)聯(lián)檢測(cè)模型（ME-Cascade）

針對(duì)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(jí)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(jí)聯(lián)檢測(cè)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(cè)模型難以精準(zhǔn)定位和識(shí)別小目標(biāo)［15］。對(duì)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(duì)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(duì)于小目標(biāo)的感知能力。

Res2Net網(wǎng)絡(luò)是對(duì)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(duì)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(cè)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(cè)。為了提升候選區(qū)域初步定位的準(zhǔn)確性以及對(duì)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(duì)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(jí)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(cè)器，將級(jí)聯(lián)回歸作為一種重采樣機(jī)制，不同級(jí)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(cè)效果達(dá)到最佳。原始級(jí)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(duì)水稻田間的小目標(biāo)害蟲檢測(cè)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(duì)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(cè)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(cè)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(duì)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(píng)價(jià)指標(biāo)

選取目標(biāo)檢測(cè)中常用的評(píng)估指標(biāo)對(duì)模型進(jìn)行評(píng)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(cè)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(cè)正樣本的數(shù)量與所有預(yù)測(cè)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(cè)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(cè)到水稻害蟲的數(shù)量；FP為檢測(cè)為水稻害蟲實(shí)則為背景的數(shù)量；FN為檢測(cè)為背景實(shí)則為水稻害蟲的數(shù)量；TN為正確檢測(cè)為背景的數(shù)量。其中TP+FP=所有預(yù)測(cè)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(cè)的主要評(píng)價(jià)指標(biāo)，用來評(píng)估多類別對(duì)象檢測(cè)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(cè)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(píng)估模型的檢測(cè)速度指標(biāo)幀率（FPS）用于表示在對(duì)象檢測(cè)中模型每秒可以處理的圖片數(shù)量。FPS值越大，模型的檢測(cè)速度就越快。計(jì)算公式如下：

其中，T是檢測(cè)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(duì)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(píng)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］。將批量大小（batch 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(cè)試集；其次，使用經(jīng)過訓(xùn)練的模型來測(cè)試測(cè)試集。最后，使用“2.1”節(jié)中的評(píng)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(cè)框與真實(shí)框之間的差距越小，目標(biāo)檢測(cè)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(duì)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(cè)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(duì)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(cè)。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(duì)不同大小目標(biāo)的感知能力，從而降低對(duì)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(cè)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(cè)的類別，每一列代表真實(shí)的類別，主對(duì)角線上的元素屬于正確檢測(cè)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(cè)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(cè)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(duì)害蟲檢測(cè)的干擾，進(jìn)而提升模型的檢測(cè)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(cè)模型Faster RCNN、RetinaNet［22］、YOLOF［23］、VFNet［24］和現(xiàn)有的用于害蟲檢測(cè)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(duì)比試驗(yàn)，驗(yàn)證該模型的有效性。不同模型的mAP值變化對(duì)比如圖10、圖11所示，可以看出ME-Cascade的檢測(cè)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(duì)比模型。

由表2可知，從檢測(cè)精度的角度來看，ME-Cascade模型要遠(yuǎn)高于其他的目標(biāo)檢測(cè)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(duì)于小目標(biāo)檢測(cè)的模型有效解決了這一類害蟲的識(shí)別。從檢測(cè)速度的角度來看，單階段模型的檢測(cè)速度最快，但是他們的檢測(cè)精度卻最低，ME-Cascade模型雖然慢，但是卻得到了更好的檢測(cè)效果。無論是與經(jīng)典模型，還是與現(xiàn)有的害蟲檢測(cè)模型進(jìn)行對(duì)比，ME-Cascade模型的檢測(cè)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(cè)。

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(cè)，該模型在檢測(cè)過程中針對(duì)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(cè)的帶來的噪聲干擾，為復(fù)雜環(huán)境下的水稻害蟲檢測(cè)提供了一種新的思路。

針對(duì)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(duì)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(cè)性能遠(yuǎn)優(yōu)于對(duì)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(cè)更多的水稻害蟲種類時(shí)保持較高的檢測(cè)精度，并將檢測(cè)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(cè)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(shí)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(shí)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(cè)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(cè)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(mèng)竟成，汪海濤，等. 小目標(biāo)檢測(cè)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(cè)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(cè)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(shí)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(shí)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(cè)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(cè)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(hào)：61272278）；湖北省重大科技專項(xiàng)（編號(hào)：2018ABA099）；湖北省教育廳科學(xué)研究計(jì)劃重點(diǎn)項(xiàng)目（編號(hào)：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(shí)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。