论文部分内容阅读
果品产业经济是我国农业经济的重要组成部分之一,果园害虫威胁着果实的总体产量和整体品质,影响果品产业的发展速度和发展质量。因此,在果品种植过程中,准确高效地实现果园害虫的检测对于果园害虫治理和提升果品产业经济效益至关重要。果园害虫的传统检测方法大多依赖于人工方式和传统计算机视觉手段,存在检测效率低、主观性强、可推广性差、检测周期长等缺点,不能满足智能化果园害虫实时检测需要。为了实现更为高效智能的果园害虫目标检测,本文的主要研究内容如下:(1)为了满足基于深度学习的果园害虫目标检测需要,本文通过网络爬虫和标本图像采集这两种方式搭建了果园害虫彩色图像数据库(PestImgData),并对所有的图像数据进行了人工标注,包含果园害虫目标的类别信息及其在彩色图像中的位置坐标信息。PestImgData图像数据库由两部分构成:PestImgData-1和PestImgData-2,共计包含24796张果园害虫彩色图像,涵盖7个种类的果园害虫。此外,PestImgData中的所有果园害虫图像数据都经过了图像归一化处理,图像尺寸、格式等均保持一致。在农业领域,可供使用的果园害虫图像数据非常稀少,PestImgData图像数据库在满足本文研究内容的同时,也可为其他应用场景下的目标检测任务提供数据支撑。(2)在PestImgData图像数据库的基础之上,本文提出了一种基于深度学习的两阶段(2-stage)果园害虫目标检测模型Faster R-CNN-PEST,并从召回率(Recall)、精确率(Precision)、平均检测精度(mean average precision,mAP)、检测速度等多个角度系统全面地评估了该模型的性能表现。Faster R-CNN-PEST模型的平均检测精度为66.37%,在简单场景下可以实现果园害虫的定位以及分类,但对于重合目标和高密度目标的检测效果较差,并且存在大量误检和漏检的情况。在Faster R-CNN-PEST模型的基础之上,本文通过改进原模型的网络结构和图像数据内容以及数量,提出了一种改进之后的果园害虫目标检测模型Res-Faster R-CNN-PEST。相比于原模型,Res-Faster R-CNN-PEST模型的平均检测精度提升了 22.56%,达到了 81.34%,并且改进之后的模型在各个类别果园害虫上的检测精度均有不同程度的提升。此外,在重叠目标、高密度检测目标的测试过程中,改进模型的性能表现均优于原模型。(3)两阶段果园害虫目标检测模型难以满足实时检测的需要,本文提出了一种一阶段(1-stage)基于YOLOv4的果园害虫目标检测模型T-YOLOv4-PEST,T-YOLOv4-PEST模型的平均检测精度为90.02%,单张图片的检测速度为14.44ms,可以满足实时检测的需要。在T-YOLOv4-PEST模型的基础之上,从六个维度对其进行了全方位的研究:迁移学习研究、激活函数研究、学习率研究、改进锚框(anchor box)研究、批归一化研究、网络推理可视化分析研究,并训练生成了 5个相对独立的全新果园害虫目标检测模型。通过系统全面地分析上述6个模型的整体性能,寻求模型的改进方向并确定网络结构的最优参数配置。然后,基于网络模型的最优参数配置,从以下三个优化角度改进T-YOLOv4-PEST模型:改进网络模型的后处理非极大值抑制(NMS)策略为DIoU-NMS策略、改进网络模型的训练方式为二次微调训练、改进训练集数据信息,提出了一种新的果园害虫目标检测模型F-D-YOLOv4-PEST。与此同时,为了验证改进模型的性能表现,本文基于常见的1-stage目标检测算法分别训练了以下5类果园害虫目标检测模型用以比较研究:基于Tiny-YOLOv4的果园害虫目标检测模型、基于YOLOv3的果园害虫目标检测模型、基于Tiny-YOLOv3的果园害虫目标检测模型、基于YOLOv2的果园害虫目标检测模型和基于Tiny-YOLOv2的果园害虫目标检测模型。经过系统全面地评估上述12个模型的性能指标之后,无论是在各类别害虫检测精度上,还是平均检测精度上面,F-D-YOLOv4-PEST模型均为最优模型。F-D-YOLOv4-PEST模型的平均检测精度为92.86%,单图检测时间约为12.22ms,可以满足果园害虫目标实时检测需求。此外,在检测目标重叠面积过大或者密度较高的情况下,F-D-YOLOv4-PEST模型也可以较为准确地实现害虫检测目标的定位和分类。(4)本文基于上述研究中所提出的果园害虫目标检测模型F-D-YOLOv4-PEST,设计搭建了 一个果园害虫智能检测系统。本文所提出的新型果园害虫智能检测系统由四个子模块构成:图像采集模块、预处理模块、害虫目标检测模块和信息展示与存储模块。该系统可以实现离线图像数据、离线视频数据、有线视频流数据、无线视频流数据等多种场景下的果园害虫实时目标检测任务,并且可以实现单类别单目标、单类别多目标以及多类别多目标等多种情况下的果园害虫目标检测。