#害虫检测

华北大学Zhang等基于EfficientNet与FPN多尺度特征融合构建田间害虫智能检测框架:EfficientNet作为轻量级注意力嵌入骨干网络提取层次特征,集成多尺度检测与分层FPN融合以提升微小、不显眼的害虫识别性能。在37种田间作物常见害虫上的实验表明,所提模型在IoU阈值0.5下的平均精度([email protected])达到98.89%、平均识别错误率1.57%、平均推理时间仅0.048秒/图像,在检测精度和实时性能间取得平衡,为田间害虫监测提供轻量、可靠、自动化的监测解决方案,促进数据驱动、精准的害虫管理,推动可持续绿色精准农业。

2026年8月5日《Frontiers in Plant Science》上线的研究提出PestRefineDet——一种基于深度学习的精准害虫检测与分类框架,将DenseNet-41与RefineDet集成。DenseNet-41作为骨干网络通过密集连接增强特征提取,有效学习细粒度害虫特征,提取的特征由单阶段RefineDet框架处理实现害虫同时定位与分类。该框架在具有挑战性的IP102基准数据集上评估,实现平均精度([email protected])83.61%,在保持计算效率的同时提供对多种害虫物种的准确定位与可靠分类,为自动化农业害虫监测提供前景广阔的解决方案,有望支持智能和可持续害虫管理应用。