摘要：為提高農(nóng)作物蟲(chóng)害檢測(cè)的準(zhǔn)確率和效率，提出了一種基于YOLOv7的農(nóng)作物蟲(chóng)害識(shí)別模型。首先，使用信息聚集?分發(fā)機(jī)制改進(jìn)YOLOv7的特征融合模塊，增強(qiáng)了不同層級(jí)之間的特征融合能力；其次，將損失函數(shù)替換為最小點(diǎn)距離交并比來(lái)計(jì)算邊界框回歸損失，更好地對(duì)齊預(yù)測(cè)框和真實(shí)目標(biāo)框，提高了邊界框回歸的準(zhǔn)確性；最后，通過(guò)在SPPCSPC層后添加感受野增強(qiáng)模塊，增強(qiáng)了模型對(duì)小尺度害蟲(chóng)的識(shí)別能力。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的YOLOv7模型平均準(zhǔn)確度為80.4%，精確率為85.3%，召回率為75.1%，較改進(jìn)前分別提升了3.4%、3.2%、2.6%。該模型對(duì)農(nóng)業(yè)害蟲(chóng)具有更好的識(shí)別效果和魯棒性，為農(nóng)業(yè)害蟲(chóng)監(jiān)測(cè)與防治提供了更準(zhǔn)確和可靠的工具。

關(guān)鍵詞：圖像處理；YOLOv7；農(nóng)作物蟲(chóng)害；目標(biāo)檢測(cè)

doi：10.13304/j.nykjdb.2024.0036

中圖分類號(hào)：S126 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：10080864（2024）11010710

農(nóng)業(yè)害蟲(chóng)對(duì)我國(guó)農(nóng)作物產(chǎn)量和質(zhì)量造成了嚴(yán)重的威脅。據(jù)全國(guó)農(nóng)作物病蟲(chóng)害測(cè)報(bào)網(wǎng)監(jiān)測(cè)和專家會(huì)商分析，2023年小麥、水稻、玉米等糧食作物病蟲(chóng)害呈重發(fā)態(tài)勢(shì)，預(yù)計(jì)發(fā)生面積2.1億hm2，同比增加24%，產(chǎn)量損失風(fēng)險(xiǎn)在1.8 億t以上[1]。玉米和水稻作為重要的農(nóng)作物，降低蟲(chóng)害造成的損失對(duì)保證全年糧食豐收乃至經(jīng)濟(jì)可持續(xù)發(fā)展都有非常重要的意義。

傳統(tǒng)的農(nóng)作物蟲(chóng)害監(jiān)測(cè)主要依靠在種植區(qū)域內(nèi)專人巡查，通過(guò)肉眼觀察、手捉等方式來(lái)檢測(cè)種植區(qū)域內(nèi)的害蟲(chóng)情況[2]。這種方法不僅耗費(fèi)大量的人力，而且誤差較大，難以滿足現(xiàn)實(shí)中的蟲(chóng)害防控需求。隨著圖像處理技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)逐漸被用于自動(dòng)化蟲(chóng)害識(shí)別。通過(guò)拍攝受危害的農(nóng)作物圖像，然后使用圖像處理算法來(lái)分析圖像中的形狀、顏色、紋理等特征，可以對(duì)害蟲(chóng)進(jìn)行準(zhǔn)確的分類和識(shí)別[3]。然而，傳統(tǒng)的機(jī)器學(xué)習(xí)方法通常需要手工提取圖像特征，檢測(cè)效果并不理想[4]。

隨著人工智能技術(shù)的快速發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法可以直接從原始數(shù)據(jù)中自動(dòng)學(xué)習(xí)數(shù)據(jù)特征并完成相應(yīng)的識(shí)別任務(wù)，因而在農(nóng)作物蟲(chóng)害識(shí)別領(lǐng)域得到了廣泛的應(yīng)用。蘇鴻等[5]采用R-CNN模型對(duì)廣西柑橘病蟲(chóng)害進(jìn)行識(shí)別，識(shí)別效果優(yōu)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法。Ali等[6]設(shè)計(jì)了一種改進(jìn)的Faster-RCNN算法，以MobileNet為基礎(chǔ)網(wǎng)絡(luò)，對(duì)害蟲(chóng)樣本進(jìn)行調(diào)整以識(shí)別各種類別的作物害蟲(chóng)。姜敏等[7]使用深度學(xué)習(xí)模型對(duì)水稻害蟲(chóng)進(jìn)行識(shí)別，識(shí)別精度和速度相比SSD模型、Faster-RCNN都有所提高。近年來(lái)，YOLO系列算法更是以其高效、實(shí)時(shí)的特性開(kāi)始展現(xiàn)它的優(yōu)勢(shì)。郭陽(yáng)等[8]采用YOLOv3模型對(duì)水稻害蟲(chóng)進(jìn)行預(yù)測(cè)，引入Darknet-53網(wǎng)絡(luò)和多尺度融合，對(duì)小目標(biāo)害蟲(chóng)實(shí)現(xiàn)精準(zhǔn)預(yù)測(cè)。施杰等[9]利用改進(jìn)的YOLOv5s模型對(duì)玉米作物害蟲(chóng)進(jìn)行檢測(cè)，通過(guò)削弱復(fù)雜背景和無(wú)關(guān)信息的干擾，在定位、識(shí)別效果和置信度方面都有顯著提升。Likith等[10]使用YOLO和CNN算法來(lái)檢測(cè)和分類圖像中的害蟲(chóng)，能夠精準(zhǔn)地檢測(cè)和分類圖像中的多種害蟲(chóng)。盡管這些研究在其數(shù)據(jù)集上有所提升，但并沒(méi)有充分考慮到不同害蟲(chóng)之間的尺寸差異問(wèn)題，而在現(xiàn)實(shí)環(huán)境中不同種類的害蟲(chóng)體型差異過(guò)大，需要模型去有效地結(jié)合不同尺度的特征信息，除此之外，小尺寸害蟲(chóng)的識(shí)別率也一直有待提高。

YOLOv7是一種用于目標(biāo)檢測(cè)的深度學(xué)習(xí)模型，因較快的運(yùn)行速度和較高的準(zhǔn)確率被廣泛應(yīng)用。YOLOv7算法采用多尺度的特征融合方法，能夠提高對(duì)不同尺寸害蟲(chóng)的識(shí)別能力，并且作為YOLO系列的新成員，YOLOv7在繼承前代算法優(yōu)點(diǎn)的基礎(chǔ)上進(jìn)一步提升了檢測(cè)精度和速度，能夠在實(shí)時(shí)場(chǎng)景中迅速識(shí)別農(nóng)作物蟲(chóng)害[11]。因此，本文選擇YOLOv7作為基礎(chǔ)模型，將Gold-YOLO[12]中的信息聚集-分發(fā)機(jī)制融入原有的特征融合方法，進(jìn)一步增強(qiáng)模型對(duì)不同尺寸害蟲(chóng)的識(shí)別能力，然后添加感受野增強(qiáng)模塊[13]，解決小尺寸害蟲(chóng)識(shí)別率不高的問(wèn)題，最后使用最小點(diǎn)距離交并比[14]損失函數(shù)重新計(jì)算邊界框回歸損失，更準(zhǔn)確地將目標(biāo)害蟲(chóng)框選出來(lái)。通過(guò)分析3種改進(jìn)策略融合在模型中的訓(xùn)練結(jié)果，并與其他目標(biāo)檢測(cè)模型進(jìn)行對(duì)比，充分驗(yàn)證了本文改進(jìn)YOLOv7模型的優(yōu)越性，實(shí)現(xiàn)了多種農(nóng)作物蟲(chóng)害的精確識(shí)別。

1 材料與方法

1.1 數(shù)據(jù)集

本研究所用數(shù)據(jù)取自公開(kāi)的大規(guī)模害蟲(chóng)數(shù)據(jù)集——IP102數(shù)據(jù)集[15]，該數(shù)據(jù)集包含了102個(gè)類別的7.5萬(wàn)多幅害蟲(chóng)圖像。根據(jù)我國(guó)農(nóng)作物的蟲(chóng)害實(shí)際情況，從IP102數(shù)據(jù)集中選取出收錄在一類農(nóng)作物病蟲(chóng)害名錄（2023 年）[16]中的草地貪夜蛾、飛蝗、稻飛虱、稻縱卷葉螟、玉米螟共5類主要害蟲(chóng)的4 200幅圖像建立數(shù)據(jù)庫(kù)，數(shù)據(jù)集部分圖像如圖1 所示。按照YOLO 數(shù)據(jù)集格式，使用LabelImg 標(biāo)注工具對(duì)圖像邊界框和類別進(jìn)行標(biāo)注，生成TXT 類型的標(biāo)注文件。將數(shù)據(jù)集按照7∶2∶1的比例隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。訓(xùn)練集用于訓(xùn)練模型的參數(shù)，在驗(yàn)證集上評(píng)估模型的性能及時(shí)調(diào)整參數(shù)，測(cè)試集檢驗(yàn)最終得到的模型性能，并對(duì)結(jié)果進(jìn)行對(duì)比。

1.2 網(wǎng)絡(luò)模型及改進(jìn)

1.2.1 整體結(jié)構(gòu) 本研究提出的改進(jìn)YOLOv7網(wǎng)絡(luò)模型整體結(jié)構(gòu)由骨干網(wǎng)絡(luò)（backbone）、頸部網(wǎng)絡(luò)（neck）和頭部網(wǎng)絡(luò)（head）組成，如圖2所示。在處理中，圖像首先被輸入模型中，經(jīng)過(guò)數(shù)據(jù)增強(qiáng)等一系列操作進(jìn)行預(yù)處理后，送入骨干網(wǎng)絡(luò)進(jìn)行特征提??；之后將提取到的特征經(jīng)過(guò)頸部網(wǎng)絡(luò)進(jìn)行特征融合處理得到大、中、小3種尺寸的特征；融合后的特征被送入頭部網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)和定位，得出檢測(cè)結(jié)果。

本研究中改進(jìn)YOLOv7網(wǎng)絡(luò)模型的骨干網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)延用原始模型的設(shè)計(jì)。在骨干網(wǎng)絡(luò)之后添加感受野增強(qiáng)模塊，增強(qiáng)網(wǎng)絡(luò)對(duì)小尺寸害蟲(chóng)的識(shí)別能力。在頸部網(wǎng)絡(luò)融合信息聚集?分發(fā)機(jī)制，將不同尺寸的特征信息聚集在一起，然后統(tǒng)一分發(fā)到各個(gè)層級(jí)上進(jìn)行特征融合，增強(qiáng)網(wǎng)絡(luò)對(duì)不同尺寸大小害蟲(chóng)的識(shí)別能力。

1.2.2 感受野增強(qiáng)模塊 感受野增強(qiáng)模塊（receptive field enhancement， RFE）是通過(guò)使用空洞卷積以充分利用特征圖中感受野優(yōu)勢(shì)的一種設(shè)計(jì)[17]?？斩淳矸e的擴(kuò)張率是指卷積核中各個(gè)元素之間的間隔大小，RFE采用了3個(gè)不同擴(kuò)張率的空洞卷積分支。通過(guò)使用不同擴(kuò)張率（d）的空洞卷積，每個(gè)分支可以感知到不同尺寸的特征。更小的擴(kuò)張率能夠捕獲較為局部的信息，而較大的擴(kuò)張率則能夠捕獲更廣闊的上下文關(guān)系。所有的分支共享權(quán)重唯一的區(qū)別是它們的感受野大小不同。這種設(shè)計(jì)既減少了參數(shù)數(shù)量，降低了潛在的過(guò)擬合風(fēng)險(xiǎn)，又充分利用了每個(gè)樣本中包含的信息。

RFE模塊的結(jié)構(gòu)如圖3所示，其包含基于空洞卷積的多分支和信息的聚集與加權(quán)。多分支部分分別取用1、2、3作為空洞卷積的擴(kuò)張率，并且都使用固定大小為3×3的卷積核。此外，還添加了殘差連接以防止訓(xùn)練過(guò)程中的梯度爆炸和消失問(wèn)題。信息的聚集與加權(quán)部分用于從不同分支中聚集信息并對(duì)每個(gè)分支的特征信息進(jìn)行加權(quán)，通過(guò)加權(quán)操作來(lái)平衡不同分支的表示。

1.2.3 信息聚集?分發(fā)機(jī)制 原始YOLOv7的特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)由于其層層遞進(jìn)的信息融合模式，使得相鄰層的信息能夠充分融合，但當(dāng)需要跨層進(jìn)行信息交互時(shí)，由于沒(méi)有直連的交互通路，只能依靠中間層充當(dāng)“中介”進(jìn)行融合，因而存在跨層信息交互困難和信息損失的問(wèn)題。本文在YOLOv7 中引入信息聚集? 分發(fā) （gather-anddistribute，GD）機(jī)制，使用特征對(duì)齊模塊 （featurealignment module， FAM）聚集和對(duì)齊來(lái)自各個(gè)層次的特征信息，然后使用信息融合模塊 （informationfusion module， IFM）融合對(duì)齊后的特征生成全局信息，最后由信息注入模塊 （information injectionmodule， Inject）將全局信息分發(fā)到各個(gè)層級(jí)上完成信息的交互融合。GD機(jī)制的總架構(gòu)如圖4所示，為了增加模型檢測(cè)不同尺寸目標(biāo)的能力，進(jìn)一步提出了Low-GD和High-GD 2個(gè)分支，B2、B3、B4、B5是從骨干網(wǎng)絡(luò)提取出的不同尺寸的特征。引入GD機(jī)制后增強(qiáng)了網(wǎng)絡(luò)的信息融合能力，有效降低了信息丟失造成的影響，大大提高了識(shí)別不同尺寸害蟲(chóng)的能力。

Low-GD 的架構(gòu)如圖5所示。首先在低層特征對(duì)齊模塊中，對(duì)特征B2和B3進(jìn)行平均池化，特征B4保持不變，特征B5進(jìn)行雙線性插值，從而將所有特征的尺寸大小對(duì)齊到B4的尺寸，再進(jìn)行拼接得到對(duì)齊特征Falign。之后在低層信息融合模塊中使用多層重參數(shù)化卷積塊，先將對(duì)齊特征Falign與權(quán)重向量進(jìn)行卷積，然后將卷積結(jié)果乘以尺度因子得到特征Ffuse。之后使用分割操作沿著通道維度將特征Ffuse劃分成2個(gè)子特征，得到全局信息Finj_P3 和Finj_P4，作為后續(xù)信息注入模塊的輸入，與不同層級(jí)的特征進(jìn)行融合。

信息注入模塊的架構(gòu)如圖6所示，其輸入包含2個(gè)特征信息：x_global（信息融合模塊中輸出的全局信息）和x_local（在當(dāng)前層級(jí)中想要進(jìn)行信息交互的本地信息）。信息注入模塊將輸入x_global的全局信息分為2個(gè)分支操作：第1個(gè)分支先對(duì)輸入特征進(jìn)行卷積操作，然后通過(guò)Sigmoid激活函數(shù)操作后使用雙線性插值或平均池化調(diào)整尺寸大小得到特征F1；第2個(gè)分支將輸入特征經(jīng)過(guò)卷積操作后直接使用雙線性插值或平均池化調(diào)整尺寸大小得到特征F2，之后將輸入x_local的本地信息Bi 與特征F1 進(jìn)行特征乘積操作后與特征F2進(jìn)行特征加和操作，最后經(jīng)過(guò)多層重參數(shù)化卷積塊輸出特征Pi。例如，想要特征B2與B4進(jìn)行跨層信息交互，可以在Low-GD 部分將特征B2、B3、B4、B5 的信息聚集融合，然后得到全局信息Finj_P4輸入x_global中，再將特征B4 作為本地信息輸入x_local中，通過(guò)信息注入模塊完成信息的交互融合得到特征P4。

High-GD的架構(gòu)如圖7所示，與Low-GD過(guò)程類似，高層特征對(duì)齊模塊聚集和對(duì)齊P3、P4、P5的特征，高層信息融合模塊融合對(duì)齊特征后生成全局信息。不同的是，在高層特征對(duì)齊模塊中是將特征P3和P4的尺寸大小使用雙線性插值下采樣對(duì)齊到P5的尺寸，拼接后得到對(duì)齊特征Falign。由于特征尺寸的縮小，為了充分融合全局信息，在高層信息融合模塊使用transformer[18]中的多頭注意力機(jī)制和前饋網(wǎng)絡(luò)替換多層重參數(shù)化卷積塊，完成信息的融合得到特征Ffuse，經(jīng)過(guò)1×1的卷積統(tǒng)一通道數(shù)后使用分割操作沿著通道維度將特征Ffuse分成2個(gè)子特征，得到全局信息Finj_N4和Finj_N5。之后再次通過(guò)信息注入模塊將全局信息分發(fā)到各個(gè)層級(jí)上完成信息的交互融合，最后輸出N3、N4、N5的特征，送入頭部網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)和定位，得出檢測(cè)結(jié)果。