科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决在棉蚜种群预测与防治科研工作中人工计数难度大、效率低的问题，提出一种基于YOLO神经网络的棉蚜图像识别算法并集成为软件。首先，连续15 d使用手机拍摄人工接种的棉蚜图像，选择清晰的50张图像将其裁剪为6个子图像，再使用LabelImg软件进行人工标注得到训练集和测试集。然后，选择YOLOv5和YOLOv8系列的10种模型，训练参数设置相同（批次大小32，迭代100轮，初始学习率0.01，周期学习率0.01），使用AutoDL平台的服务器进行训练。最后，对训练好的模型进行测试，其中YOLOv8l模型综合性能表现最佳，mAP50达到了0.926。为了给用户提供方便易用的人机软件，使用PYQT5开发了软件的前端，实现了棉蚜图片的读取、计数、结果可视化和导出为Excel等功能。软件的后端采用了“拆分—检测—合并”的图像处理方式，保障了YOLO模型对小目标的检测效果。经过测试，该软件对于死棉蚜与活棉蚜计数的平均精度为0.945，展现出与人工计数相当的精度，具有较好的实用价值。该研究为棉蚜防治相关科研人员提供了一种智能化检测工具，也可为无人农场等场景中的精准作业提供关键作业信息。
-
单位中国农业科学院深圳农业基因组研究所; 华中农业大学; 园艺林学学院
