相关实验视频
Updated: Jan 14, 2026
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.7K
迈向非侵入性早期害虫监测:使用PLMS声视觉表示和预训练转移学习进行跨模式适应
Yaqin Wu1, Lijun Cheng1, Wangli Hao1
1School of Software, Shanxi Agricultural University, Jinzhong, Shanxi, China.
Frontiers in plant science
|October 20, 2025
概括
这项研究引入了一种新的方法,用于使用昆虫声音早期检测害虫. 该方法将音频转换为视觉数据,并使用深度学习,实现农业监测害虫声音识别的高精度.
科学领域:
- 农业科学 农业科学
- 生物声学是一种生物声学.
- 机器学习 机器学习
背景情况:
- 害虫侵袭威胁到农业生产率和生态平衡.
- 早期发现害虫对于有效的管理和预防至关重要.
- 对于早期的害虫识别,需要使用非侵入性监测方法.
研究的目的:
- 开发一种新的跨模式适应模式,用于非侵入性,早期的害虫监测.
- 利用InsectSound1000数据库进行声学害虫检测.
- 通过深度转移学习来增强害虫声音检测.
主要方法:
- 适应性音频预处理,包括低通过和低采样.
- 补丁级日志尺度光谱 (PLMS) 谱图用于声视觉转换.
- 深度转移学习使用预训练的你只看一次版本11 (YOLOv11) 模型在增强的PLMS光谱图上.
主要成果:
- 提出的方法实现了高性能指标:精度@1为96.49%,宏F1得分为96.49%,宏AUC为99.93%,采样速率为2500Hz.
- 与传统的声学特征和网络相比,表现出卓越的性能.
- 通过优化下采样,展示了通过优化下采样来平衡信号频率内容保护与计算要求的有效性.
结论:
- 与PLMS光谱图和基于YOLOv11的转移学习的交叉模式适应显著提高了害虫声音检测.
- 开发的框架为非侵入性,早期农业害虫监测提供了强有力的解决方案.
- 这种方法为推进精准农业和害虫管理战略提供了一个有希望的方向.
