基于改進YOLOv5模型的經濟林木蟲害目標檢測算法研究*

何穎，陳丁號，彭琳

(云南農業大學大數據學院，昆明市，650201)

0 引言

經濟林木是指經濟價值較高的林木，我國森林資源的重要組成部分[1]。在林木生長階段，一旦發生蟲害，后果將十分嚴重，在經濟效益受損的同時，生態平衡也會被打破。從源頭控制森林蟲害，采取蟲害精確檢測的防治措施是提升經濟林木資源保護，促使林業生態環境持續優化的重要舉措[2]。

近年來，我國研究人員在基于光譜分析技術對作物的光譜圖像進行蟲害檢測分析領域，進行了大量探索性研究。例如，田有文等[3]利用主成分分析法(PCA)和BP神經網絡對蘋果高光譜圖像進行蟲害快速檢測。劉子毅[4]利用對農田蟲害光譜數據進行圖像數據特征分析，實現了農業蟲害的自動化檢測。鄧小玲等[5]利用柑橘葉片熒光數據進行概率神經網絡建模及分類處理，實現了對健康的、非黃龍病黃化的以及患有黃龍病的三種柑橘植株的鑒別。但上述方法所需數據的獲取和處理成本較高，不利于推廣。隨著農業信息設施的推廣，蟲害照片圖像的采集和存儲變得越來越容易，同時深度學習也在圖像處理領域取得了新的進展，因此采用深度學習對蟲害數據進行分析越來越受到關注。例如，張軍國等[6]首先對無人機航拍的蟲害數據進行去噪處理，然后利用分水嶺算法對蟲害區域進行分割提取。楊國國等[7]通過AlexNet卷積神經網絡模型實現茶園害蟲檢測，并采用圖像顯著性分析和Grabcut算法對茶葉害蟲進行定位，其檢測準確率可達91.5%；……