在陷中检测和识别入侵物种Hylurgus ligniperda,基于级联卷积神经网络
Xiahui Zhang1, Zhengyi Li1, Lili Ren1
1The Key Laboratory of Forest Pest Control, College of Forestry, Beijing Forestry University, Beijing, China.
Pest management science
|April 17, 2024
概括
一个新的AI模型准确地识别了森林陷中的侵入性害虫Hylurgus ligniperda和其他昆虫. 这种自动化系统改善了害虫检测和早期预警,比手工检查方法有了显著的进步.
科学领域:
- 林业林业 林业 林业 林业
- 昆虫学 昆虫学是一门学科.
- 计算机科学 计算机科学
背景情况:
- 林虫 (Hylurgus ligniperda) 是一种入侵性的欧亚虫害,在全球范围内对森林造成重大破坏,特别是在中国.
- 手动检查昆虫陷以识别害虫是劳动密集型的,需要专门的专业知识.
- 需要有效和准确的自动化方法来监测和控制森林害虫.
研究的目的:
- 开发和应用一种自动化系统,用于识别Hylurgus ligniperda和其他在森林陷中捕获的昆虫.
- 提高森林害虫检测和分类的效率和准确性.
- 为手工昆虫识别提供一个更有效的替代方案.
主要方法:
- 一个两级级联络卷积神经网络,YOLOX-MobileNetV2 (YOLOX-Mnet),被用来识别昆虫.
- 第一个阶段使用You Only Look Once X (YOLOX) 进行初始的昆虫和非昆虫检测.
- 第二阶段使用MobileNetV2进行多类昆虫分类,减少误报并提高性能.
主要成果:
- YOLOX-Mnet模型实现了对Hylurgus ligniperda和其他昆虫的准确识别.
- 捕获在陷中的所有昆虫类型的F1平均得分达到0.98.
- 级联网络有效地过了非昆虫物体,并提高了分类准确性.
结论:
- 级联卷积神经网络模型提供了对森林害虫的准确识别,如Hylurgus ligniperda.
- 这种自动化方法显著改进了传统的昆虫分类,用于早期虫害预警系统.
- 该技术为早期预防和控制森林害虫提供了有价值的技术支持.
