摘要：近年来，昆虫目标检测领域见证了基于图像的自动化技术的显著进展。传统方法依赖人工识别，易受主观因素影响而导致检测精度受限。为克服此弊端，本研究采用卷积神经网络自动提取图像特征，并借助深度学习模型实现昆虫目标的精准检测。本文着重从两方面对检测模型进行优化：其一，鉴于野外采集的昆虫数据集背景复杂且图像分辨率较低，本研究将基础网络由 VGG16 升级为结构更深、参数更少的 VGG19，以增强模型对复杂背景的适应能力；其二，引入在线硬例挖掘（OHEM）策略，有效缓解了目标检测中目标帧与背景帧之间的不平衡问题。实验结果表明，改进后的 Faster-RCNN 模型准确率高达 90.12%，相较于 SSD 模型、YOLO 模型及原始 Faster-RCNN 模型，准确率分别提升了 6.52% 、 5.33% 和 3.23%, 。

关键词：Faster R-CNN；昆虫图像识别；自然环境；VGG19；OHEM

1. 引言

我国农业是国民经济的支柱，粮食安全与农业生产至关重要。然而，农业面临害虫频发问题，防控需对症下药。目前，害虫监测依赖人工，存在成本高、标准不一、效率低等弊端 [1]。近年来，基于深度学习的目标检测算法在多个领域广泛应用，展现出在昆虫目标检测中的应用潜力。引入计算机图像识别技术，有望克服人工检测局限，极大提升检测效率。图像识别包括图像采集、数据集构建、特征提取和模式识别四个步骤。早期特征提取主要聚焦全局特征，但易受背景干扰。近年来，深度学习技术推动了局部特征算子的发展，能更精确描绘目标。可通过 PCA 等工具或构建视觉词典提取特征。需注意的是，人工过程易受主观因素影响特征提取效果 [2]。

近年来，深度学习技术发展迅速，CNN 自动提取特征优势显著，成为目标检测框架核心。Faster-RCNN、Yolo、SSD 等主流框架均基于 CNN，能有效识别并分离昆虫目标。目标检测技术已广泛应用于多个领域 ^[4-6] 。CNN 在目标检测网络中自动提取特征并映射为特征图，模型实现识别与定位功能共享特征映射，降低对图像质量的依赖。

本文采用 Faster-RCNN 模型对自然环境中拍摄的昆虫图像进行检测和识别。由于这次使用的图像大多是在自然环境中拍摄的昆虫图像，背景复杂，会影响识别效果。因此，本文基于Faster-RCNN 目标检测，旨在训练一种能够准确检测农业昆虫图像的模型。

2. 数据集获取

2.1 图像采集

为确保模型识别的准确性，收集丰富多样的自然环境下的昆虫数字图像显得尤为重要，同时，Faster-RCNN 模型对输入图像尺寸无特定限制，能够灵活处理包含昆虫的任意大小图像。本研究通过实地拍摄与网络资源搜集两种方式，共获取了蜻蜓、螳螂、大草蛉、食蚜蝇、花蝽、棉铃虫、蚜虫、飞虱、二化螟、菜粉蝶等 10 种昆虫的图像样本 572 份。其中，458 份样本用于模型训练，剩余 114 份样本作为测试集，以验证模型的识别性能。

2.2 数据预处理

为提升模型的泛化性能，本研究采用了数据增强技术对训练集进行了有效扩展。具体而言，本研究采用了三种数据增强方法：旋转昆虫图像至不同方向和姿势；调整图像亮度、灰度和对比度；向图像中加入高斯噪声。

应用上述三种数据增强方法后，训练集图像数量得到了扩充。以二化螟为例，其样本图像在经过数据增强处理后的效果如图1 所示：

随后，采用 LableImg 工具进行人工标注处理，最终获得了与Faster R-CNN 模型接口相兼容的 voc207 格式数据集。

3.Faster-RCNN 算法原理及改进

3.1 算法原理

Faster-RCNN 的基本结构如图 2 所示。可以看出，Faster-RCNN由四部分组成：

（1）卷积层：主要用于提取图像的特征。输入是任意大小的图片，输出是提取的特征，输出图片称为特征图。

（2）RPN：通过RPN 网络训练从特征图中生成目标候选区域。

（3）ROI 池化：负责收集所有候选区域，计算每个候选区域的特征图，然后发送给后续网络。

（4）分类和回归层：输出候选区域的类别和候选区域在图像中的具体位置。

Faster-RCNN 基本流程：首先，输入图像至 RPN 生成候选区域，用 NMS 剔除重叠区域；其次，CNN 特征提取模块提取筛选后区域特征；最后，Softmax 分类确定目标类别，回归算法计算区域具体坐标。

3.2 算法改进

本文基于 Faster-RCNN 目标检测模型进行改进研究。针对昆虫图像普遍存在的低分辨率及复杂背景问题，本文将原模型中的基本网络VGG16 替换为 VGG19，以构建更深的卷积层结构，从而提取更为丰富的图像特征。同时，为解决目标检测中目标帧与背景帧不平衡的难题，本文引入了OHEM 方法进行处理。

对此，OHEM 的做法是设置阈值，判断候选区域是正样本还是负样本。首先保留所有正样本，然后按照正负样本 1：3 的比例对负样本进行采样，并将所有负样本的分类损失值从大到小排列，因此取分类误差高的负样本。最后，将筛选出的负样本送入 ROI 网络，并计算这些负样本的损失，然后将返回的梯度送入卷积神经网络更新整个网络。

4. 实验结果

本文选取代表性指标平均精度 mAP ，基于精确率-召回率曲线（PR曲线）下的面积进行计算，其计算公式如下：

相较于 Faster-RCNN 目标检测模型，本文主要从两方面进行改进：一是以 VGG19 网络替代原有的 VGG16 作为基础网络；二是采用OHEM 方法解决目标检测中目标帧与背景帧的不均衡问题。为验证改进模型的优势，本文选取 SSD 和 YOLO 两种传统目标检测模型进行相同条件下的对比实验。所有实验均在统一环境下进行，实验结果见表1。

从表 1 可以看出，用 VGG19 替代 VGG16 后，mAP 提高了 2.91% ，从开始的 86.43% 提高到 89.34% ；利用 OHEM 解决样本不平衡，mAP从 86.43% 提高到 86.89% ，提高了 0.46% ；最后，采用 VGG19 作为基础网络和 OHEM 的 mAP 提高了 3.23% ，平均识别准确率达到90.12% 。同时，相较于传统的 SSD 和 YOLO 模型，改进后的 FasterR-CNN 模型在 mAP 上分别提高了 6.52% （相较于SSD）和 5.33% （相较于 YOLO）。实验结果表明，用 VGG19 替换 VGG16 并使用 OHEM可获得最佳识别精度。

最后，本文对模型进行了测试，测试结果如图3 所示：

5. 结论

本文采用改进的 Faster-RCNN 模型检测自然环境下农业昆虫，通过替换 VGG16 为 VGG19 和采用 OHEM 处理样本不平衡，提高了检测精度并缩短了耗时。实验结果显示，改进后模型平均准确率达90.12%。卷积神经网络的应用解决了人工特征提取问题，但数据集多样性不足和昆虫密集、部分图像识别效果欠佳是现存不足。计划在后处理阶段改进模型以解决昆虫密度问题。

参考文献

[1]Tao ZY， Sun SF， Luo CS. Study on peanut pest image recognition based on Faster-RCNN[J]. Jiang Su Agricultural Sciences， 2019， 47（12）： 247-250.

[2]Luis O， Solis-Sánchez C， Eda-Miranda R， et al. Scale invariant feature approach for insect monitoring[J]. Computers and Electronics in Agriculture， 2011， 75（01）： 92-99.

[3]Feng N， Hao CW， Qing LS. Image identification for twophase flow patterns based on CNN algorithms[J]. International Journal of Multiphase Flow， 2022， 152： 104-110.

[4] 葛荣泽， 武一. 基于阶段特征融合的图像融合行人检测[J/OL].电子测量技术 ， 2024.

[5] 王芳彬 . 基于云平台和 CNN 的交通视频监控车辆检测方法及应用 [J]. 自动化应用 ， 2023， 231（24）： 227-228.

[6] 项丽萍 ， 杨红菊 . 基于汇聚 CNN 和注意力增强网络的遮挡人脸检测方法 [J]. 数据采集与处理 ， 2021， 36（1）： 95-102.

作者简介：周强（1980—），男，汉，江西职称/ 职位：无职称，研究方向：农业工程与信息技术。

指导老师：张裔智