(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210513438.4 (22)申请日 2022.05.12 (71)申请人 中国农业大 学 地址 100083 北京市海淀区清华 东路17号 中国农业大 学(东区) (72)发明人 吕春利　张焱　任宇斐　张水海　 梅议文　杨心语　李曼州　 (51)Int.Cl. G06V 10/82(2022.01) G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) (54)发明名称 基于目标检测技术的多种农业害虫识别方 法及相关 设备 (57)摘要 本发明针对植株虫害的快速识别， 采集植株 虫害可见光图像信息， 采用YOLOv5模型， 开发了 基于目标检测技术的多种农业害虫识别方法及 便携手持装置。 本发明着眼于农业害虫识别精确 度低、 周期长的问题， 利用YOL Ov5模型。 输入端采 用Mosaic数据增强的方式， 增 强数据的多样性， 而且变相增加了目标个数， 对于小目标检测有较 明显的效果提升， 同时采用自适应锚框计算和自 适应图片缩放， 减小计算量， 提升检测速度。 Backbone采用CSP结构， 可以在减小计算量的同 时保证准确率， 增强了模型的学习能力。 输出端 主要采用CIOU_Loss作为Bounding  Box的损失函 数， 可以使其考虑到重叠面积、 中心点的距离以 及宽高比的信息， 使 得预测框回归的速度和精度 更高， 同时采用加权非极大值抑制， 有效预测被 遮挡的目标。 权利要求书1页 说明书4页 附图2页 CN 114926720 A 2022.08.19 CN 114926720 A 1.一种基于目标检测技 术的多种农业害虫识别方法， 其特 征在于， 获取植株虫害相关信息 。 2.根据权利要求1所述一种基于目标检测技术的多种农业害虫识别方法， 其特征在于， 采集植株虫害相关可 见光信息， 制作图像数据集 来为模型识别做准备。 3.根据权利要求2所述一种基于目标检测技术的多种农业害虫识别方法， 其特征在于， 通过使用深度学习， 使用可 见光信息等 通过YOLOv5模型识别、 检测植株虫害类别。 4.一种基于目标检测技 术的多种农业害虫识别的装置， 其特 征在于， 包括： 采集模块， 根据摄像头模组来收集可见光信 息， 农作物虫害信 息采集到装置后， 暂存到 存储设备上并且启用软件 对农作物虫害图像进行分析和识别； 识别模块， 相对应的APP， 可采集可见光图片， 软件通过加载YOLOv5模型对农作物虫害 图像进行分析和识别。 5.一种便携电子设备， 包括显示屏、 摄像头、 显示屏、 CPU、 电池， 其特征在于， 所述便携 电子设备执行所述程序时实现如权利要求1至4任一项所述植物害虫识别和检测方法的步 骤。权　利　要　求　书 1/1 页 2 CN 114926720 A 2基于目标 检测技术的多种农业害虫识别方 法及相关设 备 技术领域 [0001]本发明涉及 植物害虫的快速识别， 尤其涉及一种基于目标检测技术的多种农 业害 虫识别方法和手持装置 。 背景技术 [0002]农作物从播种、 生长至收获， 经常受到各种有害生物(植物病原、 害虫、 杂草和害鼠 等)的为害， 从而影响栽培植物的产量和质量。 农业害 虫通常被 分为为害 各种植物的昆虫和 螨类等， 昆虫种类繁多， 是农作物遭受虫害中最多的种类； 并把由它们引起的各种植物伤害 称为虫害。 近年来， 农作物总是难以躲过虫害的侵害。 根据 2019—2020的全国大范围监测调 查结果， 草地贪夜蛾在我国的发生为害仍具有明显的区域性。 从发生面积看， 西南、 华南等 周年繁殖区， 发生面积占比在80％以上， 长江中下游、 江淮等迁飞过渡区， 发生面积占1～2 成， 北方重点防范区发生面积占比不足1％。 从发生县点分布看， 2019—2020年见虫县共计 1,645个， 2019年有26个省1,541个县， 2020年有27个省1,423个县， 两年均发生县占发生县 数的80％。 预计2021年草地贪夜蛾在西南、 华南、 长江中下游和江淮地区呈重发态势， 需重 点防控； 南方成虫发生期， 遇适宜的东亚季风或台风事件， 可助力虫源北迁， 西北、 黄淮、 华 北和东北需加强防范； 预计全国发生面积为2,000万亩以上， 防治面积为3,000万亩次以上。 于是快速、 高效识别 预防范围是一项重要的工作。 再如， 2021年稻飞虱在华南、 江南和 长江 中下游稻区将偏重至大发生， 南方其他稻区中等发生。 预计全国发生面积为3.5亿亩次， 防 治面积为4.5亿亩次。 稻 纵卷叶螟作为一种重要农业害虫， 2021年在江南、 西南东部和 长江 下游稻区将偏重发生， 华南、 西南西部和江淮稻区中等发生。 预计全国发生面积为2.1亿亩 次， 防治面积为2.5亿亩次。 由此可知， 虫害具有为害速度快、 损失程度重、 防控难度大的特 点， 有害生物种类繁多、 形态各异、 发生规律各有不同。 农业害 虫主要危害的对象包括水稻、 玉米、 小麦、 薯类、 大豆、 向日葵、 蔬菜、 果树等， 这些作为我国重要的粮食作物及保障人民生 活水平的食物， 有的同时在工业制造、 医用等方面也具有重要作用， 因此农业害 虫防治具有 不可忽视的地 位。 [0003]因此， 研究各类虫害对农作物产量损失的影响， 更方便快捷地制定出合理的防治 指标和防治措施变得格外重要。 在害 虫防治实践中， 首先要正确识别益虫和害 虫， 能够很好 地利用益虫和控制害虫。 其次要掌握昆虫 的一般形态特征及其生长发育规律， 找到昆虫生 活的弱点对其防治， 达到事半功倍的效果。 并且， 害虫在不同生长时期具有不同的外形特 征， 所以同时应做到能准确识别处于不同时期(比如卵、 蛹、 若虫、 幼虫、 成虫等)的害虫。 [0004]目前， 在农业生产中， 害虫识别方面主要还是依靠农民的肉眼识别以及经验判断， 或者进行远程的专家会诊； 然而， 这些方法都具有明显的不足， 例如识别精确度低、 周期长 等。 识别精确度低会直接导致采 取错误的防治方式， 可能会产生南辕北辙的效果； 而周期 长 则会错过最佳 的防治时期， 导致经济损失。 随着精准农业概念的提出以及计算机在农业中 的运用， 机器视觉的和深度学习被提出， 这在农业生产中有效地帮助农民提高了农作物品 质， 减少了经济损失。说　明　书 1/4 页 3 CN 114926720 A 3