新闻网讯 7月21日,计算机科学学院詹炜教授和农学院桂连友教授联合培养的23级博士研究生张智亮以第一作者,我校作为第一单位,在计算机与农业交叉领域中科院一区TOP期刊《Computers and Electronics in Agriculture》刊发文章,题为“RPH-Counter: Field Detection and Counting of Rice Planthoppers Using a Fully Convolutional Network with Object-Level Supervision”,相关研究提出一种全新的稻飞虱检测计数结构(RPH-Counter),有效解决现有方法在野外复杂环境下检测计数精度低的难题。
该研究认为,对于微小害虫检测与计数任务,精确的预测框并非必须,模型仅需对每个对象找到一个“点”即可。RPH-Counter的模型部分为一个全卷积网络,其工作的核心在于采用本文提出的对象计数损失函数(Object counting loss)对模型进行优化。其基于目标框标注,使用中心点优化模型预测对象中心,利用标注框来优化模型对每个对象的预测范围,并在训练过程中不断约束假阳性,将全卷积网络原本的语义分割能力扩展至目标检测与对象计数。
![](/__local/4/46/55/4E699D5294E413E8E0825D789CA_A073D714_45368.jpg)
研究结果表明,同最先进的目标检测器相比,RPH-Counter的检测精度提升了8.62%,计数误差下降了61%,训练与推理速度分别提升了31.1%与68.7%。与密度估计方法相比,计数误差下降了23%,训练与推理速度分别提升了182%与82.2%。相关数据表明,RPH-Counter在检测精度、计数误差、推理速度上都显著优于现有稻飞虱检测计数方法,为野外害虫计数与害虫种群监测提供了一个新的研究思路与应用前景。
![](/__local/B/40/9F/5F352547D695715AEB0436BCEDC_ABD03DBE_2927D.jpg)
据了解,詹炜教授和桂连友教授共同指导成立的“虫姿百态”团队,注重学科交叉实践育人,深耕“人工智能+智慧农业”关键研究与应用。本论文的作者就曾多次到湖北江陵县和石首市等地实地采集稻飞虱数据。
《Computers and Electronics in Agriculture》在农业综合类中排名前列,主要刊发计算机与电子信息技术在农业实践中的最新研究与综述,特别强调文章的新颖性和创新性。
该研究项目得到了国家自然科学基金面上项目《融合动作发生域及行为时空特征的实蝇科昆虫梳理行为智能识别方法研究》的支持。
(审核 郑健 编辑 李胜杰)