相关实验视频
Updated: Jan 13, 2026
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.7K
通过在移动设备上部署的改进的轻量级和高效的害虫检测模型,防止异国情调的物虫入侵
Haojie Bi1, Jingyuan Liu2, Shixiang Zong1
1State Key Laboratory to Efficient Production of Forest Resources, Beijing Forestry University, Beijing, China.
Pest management science
|October 28, 2025
概括
一个新的AI模型EPB-YOLO-PD可以快速实时检测异国情调的物甲虫,大大改善了海关对入侵物种的拦截,并保护了生态系统.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 生态生态学 生态生态学
背景情况:
- 非法走私异国情调的物甲虫对全球生态系统构成重大威胁.
- 目前的检测方法很慢,需要专家知识,阻碍了快速响应.
- 需要在入境口岸建立高效的自动检测系统.
研究的目的:
- 开发一种轻量级,可移动部署的AI模型,用于实时检测异国情调的物甲虫.
- 加强海关当局在防止生物入侵方面的能力.
- 为识别入侵甲虫物种提供快速准确的解决方案.
主要方法:
- 开发EPB-YOLO-PD,包括新的组件,如FAMNet,MELON和C4PMS.
- 应用结构修剪和知识蒸来优化模型大小和速度.
- 在对截获的13种异国昆虫物种的定制数据集进行测试.
主要成果:
- 在被拦截的物种上,EPB-YOLO-PD实现了高检测准确度 (93.3%99.3%).
- 该模型显示mAP0.5 (97.3%) 与YOLOv11n基线相比增加了2.0%.
- 在模型大小 (74.04%) 和计算复杂性 (65.08%) 中实现了显著的减少.
- 虫寻找器应用程序在智能手机上实现了超过25 FPS.
结论:
- EPB-YOLO-PD提供了一种有效的解决方案,用于在海关实时检测外来甲虫.
- 该模型准确地分类甲虫,即使具有具有挑战性的特征和背景.
- 这种框架可用于拦截其他入侵物种.
