石璐瑩 童順延 吳婷 馮媛 劉海華

摘? 要：農(nóng)田害蟲(chóng)防控是一項(xiàng)爭(zhēng)分奪秒的挑戰(zhàn)，在此過(guò)程中害蟲(chóng)種類的正確識(shí)別是一項(xiàng)極為重要的環(huán)節(jié)。針對(duì)傳統(tǒng)識(shí)別害蟲(chóng)檢測(cè)過(guò)程中準(zhǔn)確率低、檢測(cè)目標(biāo)較小的問(wèn)題，文章提出了一種基于YOLOv5s和注意力機(jī)制的農(nóng)田害蟲(chóng)圖像識(shí)別模型。將自注意力機(jī)制引入YOLOv5s網(wǎng)絡(luò)，對(duì)上下文信息進(jìn)行建模，通過(guò)建立非局部模型提高網(wǎng)絡(luò)解決圖像遠(yuǎn)距離和多層次依賴關(guān)系的能力。實(shí)驗(yàn)結(jié)果顯示，基于YOLOv5注意力模型的農(nóng)田害蟲(chóng)圖像識(shí)別具有較高的檢測(cè)精度，可以有效識(shí)別和定位各類害蟲(chóng)。

關(guān)鍵詞：農(nóng)田害蟲(chóng)識(shí)別；目標(biāo)檢測(cè)；YOLOv5；注意力機(jī)制

中圖分類號(hào)：TP391.4；TP18 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）10-0070-05

Abstract： Pest prevention and control in farmland is a race against time challenge， and the correct identification of pest species is an extremely important link in this process. In response to the problems of low accuracy and small detection targets in traditional pest detection processes， a farmland pest image recognition model based on YOLOv5s and attention mechanism is proposed in this paper. Introduce the self attention mechanism into the YOLOv5s network to model contextual information， and improve the network's ability to solve long-distance and multi-level dependency relationships in images by establishing non local models. The experimental results show that the recognition of farmland pest images based on the YOLOv5 attention model has high detection accuracy and can effectively identify and locate various pests.

Keywords： farmland pest recognition; object detection; YOLOv5; attention mechanism

0? 引? 言

我國(guó)是農(nóng)業(yè)大國(guó)，在農(nóng)業(yè)生產(chǎn)過(guò)程中農(nóng)作物病蟲(chóng)害是始終繞不開(kāi)的話題，各種病蟲(chóng)害給農(nóng)產(chǎn)品產(chǎn)量和品質(zhì)帶來(lái)惡劣的影響，每年都會(huì)由此造成巨大的經(jīng)濟(jì)損失[1]。為了對(duì)農(nóng)田病蟲(chóng)害進(jìn)行有效的預(yù)防和控制，需要收集有害生物信息，在此基礎(chǔ)上進(jìn)行蟲(chóng)情分析。然而，農(nóng)業(yè)害蟲(chóng)種類繁多且信息復(fù)雜，傳統(tǒng)的利用人工觀察統(tǒng)計(jì)害蟲(chóng)的方法難以滿足現(xiàn)代大規(guī)模農(nóng)業(yè)生產(chǎn)對(duì)蟲(chóng)害預(yù)防工作的需要[2]。近些年來(lái)，隨著各種新型技術(shù)的快速發(fā)展，國(guó)家愈來(lái)愈重視對(duì)農(nóng)業(yè)病蟲(chóng)害智能化識(shí)別和數(shù)字化防控。因此，農(nóng)作物病蟲(chóng)害智能識(shí)別的研究逐漸成為熱門(mén)。

1? 相關(guān)研究

近年來(lái)國(guó)內(nèi)外對(duì)于病蟲(chóng)害自動(dòng)檢測(cè)的研究做了大量的工作。張開(kāi)興[3]、胡維煒[4]等將機(jī)器學(xué)習(xí)技術(shù)與圖像處理相結(jié)合成功實(shí)現(xiàn)了農(nóng)作物病蟲(chóng)害圖像的檢測(cè)。他們先使用圖像分割算法對(duì)病蟲(chóng)害病斑圖像進(jìn)行分割，然后提取病斑的區(qū)域形狀特征及紋理特征[5]，再通過(guò)反向傳播網(wǎng)絡(luò)[6]、支持向量機(jī)分類[7]和K均值聚類[8]等算法對(duì)病斑特征進(jìn)行識(shí)別和分類。但此類算法識(shí)別的準(zhǔn)確率受分割精度的影響較大，且模型通用性較差。王東方等利用遷移學(xué)習(xí)方法改進(jìn)深度殘差網(wǎng)絡(luò)SE-ResNeXt-101模型[9]，實(shí)現(xiàn)了多種農(nóng)作物病蟲(chóng)害類型共同檢測(cè)，并且解決了由于樣本數(shù)據(jù)不足導(dǎo)致的模型識(shí)別精度低的問(wèn)題。時(shí)文秀對(duì)RefineDet算法進(jìn)行優(yōu)化[10]，提出新的ARM網(wǎng)絡(luò)架構(gòu)，在農(nóng)田害蟲(chóng)檢測(cè)上取得了一定的識(shí)別精度提升。然而這些方法都將復(fù)雜的檢測(cè)任務(wù)簡(jiǎn)化成了分類任務(wù)，在目標(biāo)框回歸精度方面并沒(méi)有提出較好的解決方案。Redmon等創(chuàng)造性地提出了one-stage的YOLO算法[11]，將物體分類和物體定位在一個(gè)步驟中完成，YOLO僅僅使用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)CNN直接預(yù)測(cè)不同目標(biāo)的類別與位置，并在輸出層回歸bounding box的位置和bounding box所屬類別，在犧牲較小精度的同時(shí)獲得了明顯的速度提升。但此類算法對(duì)于小目標(biāo)檢測(cè)任務(wù)（分辨率小于32×32像素），存在較高的漏檢率。農(nóng)田害蟲(chóng)體積較小，蟲(chóng)體形態(tài)、顏色較為相似，易受到其他相似害蟲(chóng)、枝葉等背景因素的干擾。針對(duì)以上問(wèn)題，本文對(duì)YOLOv5模型進(jìn)行改進(jìn)實(shí)現(xiàn)農(nóng)田害蟲(chóng)圖像的智能識(shí)別。

2? 網(wǎng)絡(luò)結(jié)構(gòu)

2.1? YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv5網(wǎng)絡(luò)是目標(biāo)檢測(cè)常用網(wǎng)絡(luò)之一，具有推理速度快、檢測(cè)精度高等優(yōu)點(diǎn)，該網(wǎng)絡(luò)包含4種基礎(chǔ)結(jié)構(gòu)，分別是YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x，這些不同的變體使得YOLOv5能很好地在精度和速度中權(quán)衡，擁有更廣的應(yīng)用場(chǎng)景。YOLOv5s網(wǎng)絡(luò)是YOLOv5系列中深度最小，特征圖寬度最小的網(wǎng)絡(luò)，后面3種網(wǎng)絡(luò)都是在此基礎(chǔ)上不斷加深、加寬。隨著模型復(fù)雜度的提升，網(wǎng)絡(luò)的準(zhǔn)確率也會(huì)有所提升，但是會(huì)消耗更多的計(jì)算資源，為了實(shí)現(xiàn)病蟲(chóng)害的快速檢測(cè)和網(wǎng)絡(luò)輕量化，本文選擇使用YOLOv5s網(wǎng)絡(luò)作為基礎(chǔ)模型。YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

YOLOv5的Backbone部分的采用的New CSP-Darknet-53結(jié)構(gòu)，該結(jié)構(gòu)由Focus結(jié)構(gòu)、CBL結(jié)構(gòu)、CSP結(jié)構(gòu)以及SPP結(jié)構(gòu)組成，用來(lái)提取圖像特征。

Focus的作用是進(jìn)行一個(gè)下采樣的切片操作，如圖2所示，可以減少計(jì)算量加快網(wǎng)絡(luò)速度。CBL的作用是利用卷積層獲取特征。CSP是殘差結(jié)構(gòu)，可以增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)能力，可以降低網(wǎng)絡(luò)計(jì)算量和內(nèi)存成本，使得網(wǎng)絡(luò)在輕量化的同時(shí)保持準(zhǔn)確性。

SPP結(jié)構(gòu)是將輸入串行通過(guò)多個(gè)核為5×5大小的MaxPool層，將前面得到的任意大小的特征圖轉(zhuǎn)換成固定大小的特征向量，融合不同尺度特征的同時(shí)加快計(jì)算速度。

YOLOv5的Neck部分采用FPN+PAN的結(jié)構(gòu)，可以更好地利用Backbone提取的特征，對(duì)Backbone提取的特征進(jìn)行再處理和合理應(yīng)用。一個(gè)Neck由幾個(gè)自底向上的路徑和幾個(gè)自頂向下的路徑組成。Neck是目標(biāo)檢測(cè)中的關(guān)鍵環(huán)節(jié)，主要作用是加強(qiáng)網(wǎng)絡(luò)特征融合的能力和進(jìn)一步提高網(wǎng)絡(luò)特征提取的能力。

YOLOv5的Prediction部分通常稱為Head網(wǎng)絡(luò)，作用是對(duì)圖像特征進(jìn)行預(yù)測(cè)，生成邊界框以及預(yù)測(cè)類別。作為一個(gè)分類網(wǎng)絡(luò)，Backbone無(wú)法完成定位任務(wù)，Head負(fù)責(zé)通過(guò)Backbone提取的特征圖檢測(cè)目標(biāo)的位置和類別。

2.2? 注意力機(jī)制

在人們觀察事物的時(shí)候，首先整體概覽，然后根據(jù)需求有意識(shí)的關(guān)注事物的重點(diǎn)區(qū)域，找出感興趣區(qū)域。注意力機(jī)制的運(yùn)用可以使得模型基于數(shù)據(jù)找到其之間的關(guān)聯(lián)性，突出某些重要特征，提高模型的魯棒性和表達(dá)能力，從而有效提高模型的性能。YOLOv5的Neck部分對(duì)主干網(wǎng)絡(luò)中提取的特征進(jìn)行融合，因此本文在Neck部分的CSP結(jié)構(gòu)之后添加空間通道注意模塊（Convolutional Block Attention Module， CBAM）[12]，如圖3所示，提高模型對(duì)重點(diǎn)區(qū)域的關(guān)注力，提升模型的性能。

2.3? 小目標(biāo)檢測(cè)層

在YOLOv5原始的Head部分有3個(gè)檢測(cè)頭用來(lái)檢測(cè)不同大小的目標(biāo)，當(dāng)輸入圖像尺寸為640×640的時(shí)候，輸出尺寸為80×80檢測(cè)頭的感受野對(duì)應(yīng)原圖為8×8的像素區(qū)域，輸出尺寸為40×40檢測(cè)頭的感受野對(duì)應(yīng)原圖為16×16的像素區(qū)域，輸出尺寸為20×20檢測(cè)頭的感受野對(duì)應(yīng)原圖為32×32的像素區(qū)域。由于數(shù)據(jù)中存在類似于編號(hào)為9號(hào)的白背飛虱和10號(hào)褐飛虱屬等體積極小的飛虱類害蟲(chóng)，因此考慮增加1個(gè)輸出尺寸為160×160的檢測(cè)頭，對(duì)應(yīng)原圖的感受野為4×4的像素區(qū)域，可以增強(qiáng)網(wǎng)絡(luò)對(duì)小目標(biāo)的檢測(cè)能力。改進(jìn)后的YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

2.4? 損失函數(shù)改進(jìn)

YOLOv5中的損失函數(shù)由定位損失（Location Loss）、類別損失（Classes Loss）和置信度損失（Objectness Loss）三部分組成，其中采用GIoU Loss計(jì)算定位損失，使用BCE Loss計(jì)算類別損失和置信度損失。損失函數(shù)計(jì)算公式為：

其中λ1，λ2，λ3為平衡系數(shù)。

YOLOv5的定位損失使用GIoU計(jì)算，GIoU在IoU損失的基礎(chǔ)上，考慮了預(yù)測(cè)框和真實(shí)框的最小外接矩形框，一定程度上解決了IoU不能計(jì)算預(yù)測(cè)框和真實(shí)框不重疊的問(wèn)題，GIoU的計(jì)算公式為：

其中A為預(yù)測(cè)框，B為真實(shí)框，C為A和B的最小外接矩形框。

但是GIoU也存在缺點(diǎn)，當(dāng)預(yù)測(cè)框完全包圍住真實(shí)框時(shí)，GIoU就會(huì)退化為IoU導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確。研究采用CIoU代替IoU計(jì)算定位損失[13]，CIoU不僅考慮了預(yù)測(cè)框與真實(shí)框中心點(diǎn)之間的距離，還考慮了預(yù)測(cè)框和真實(shí)框之間的寬高比，有效解決了IoU和GIoU中的缺點(diǎn)，CIoU示意圖如5圖所示。

其中α為權(quán)重函數(shù)，ν為衡量預(yù)測(cè)框與真實(shí)寬高比的相似性，w gt/ h gt和w / h為真實(shí)框和預(yù)測(cè)框的寬高比，ρ（.）為歐氏距離，b和bgt為預(yù)測(cè)框和真實(shí)框的中心點(diǎn)，c為預(yù)測(cè)框和真實(shí)框最小外接矩形框的對(duì)角線長(zhǎng)度。CIoU可以更好的度量預(yù)測(cè)框與真實(shí)框之間的關(guān)系，有效提高檢測(cè)的精度。

3? 實(shí)驗(yàn)與分析

3.1? 數(shù)據(jù)獲取與數(shù)據(jù)處理

本文使用的農(nóng)田害蟲(chóng)數(shù)據(jù)集由第十屆“泰迪杯”數(shù)據(jù)挖掘挑戰(zhàn)賽提供，共3 015張圖像。挑戰(zhàn)賽所提供的蟲(chóng)情測(cè)報(bào)燈采集到的圖像文件，用于識(shí)別28種對(duì)某農(nóng)作物有害的害蟲(chóng)，具體害蟲(chóng)種類及編號(hào)如表1所示。

數(shù)據(jù)擴(kuò)充：為擴(kuò)充數(shù)據(jù)樣本，采用隨機(jī)裁剪圖像的方法增加數(shù)據(jù)樣本量。在每張圖像上隨機(jī)生成500個(gè)點(diǎn)，每個(gè)點(diǎn)生成一張大小為1 200×1 200的圖像，根據(jù)圖像中害蟲(chóng)標(biāo)簽位置信息計(jì)算與生成圖像的IoU，若IoU大于0.9則保留該生成圖像。

數(shù)據(jù)增強(qiáng)：采用縮放、色彩空間調(diào)整和Mosaic增強(qiáng)三種方式對(duì)數(shù)據(jù)進(jìn)行增強(qiáng)。Mosaic方法隨機(jī)使用4張圖像，隨機(jī)縮放后再隨機(jī)分布進(jìn)行拼接。隨機(jī)縮放增加了很多小目標(biāo)害蟲(chóng)，使網(wǎng)絡(luò)的魯棒性更加優(yōu)越。

3.2? 評(píng)價(jià)指標(biāo)

判斷模型的好壞往往是通過(guò)評(píng)價(jià)指標(biāo)來(lái)得到的。針對(duì)害蟲(chóng)識(shí)別任務(wù)與分類任務(wù)，研究使用如精確率（Precision）、準(zhǔn)確率（Accuracy）、召回率（Recall）、AP（Average Precision）、mAP（mean Average Precision）等評(píng)價(jià)指標(biāo)。各評(píng)價(jià)指標(biāo)的計(jì)算公式為：

其中，TP為正樣本中被正確識(shí)別為正樣本的數(shù)量，TN為負(fù)樣本中被正確識(shí)別為負(fù)樣本的數(shù)量，F(xiàn)P為負(fù)樣本中被錯(cuò)誤識(shí)別為正樣本的數(shù)量，F(xiàn)N為正樣本中被錯(cuò)誤識(shí)別為負(fù)樣本的數(shù)量，C為類別數(shù)。

3.3? 消融實(shí)驗(yàn)

為了驗(yàn)證改進(jìn)算法的有效性，在YOLOv5s網(wǎng)絡(luò)基礎(chǔ)上的消融實(shí)驗(yàn)設(shè)計(jì)如下，模型1：使用CIoU損失，其余模塊保持不變；模型2：使用GIoU損失，添加CBAM模塊；模型3：使用GIoU損失，添加小目標(biāo)檢測(cè)層模塊；模型4：使用CIoU損失，添加CBAM模塊，添加小目標(biāo)檢測(cè)層模塊。在同等訓(xùn)練條件下，以精確率、召回率和mAP作為評(píng)價(jià)指標(biāo)，實(shí)驗(yàn)結(jié)果如表2所示。

從實(shí)驗(yàn)結(jié)果中可以看出，在原始YOLOv5s的結(jié)構(gòu)基礎(chǔ)上，本文針對(duì)研究任務(wù)提出的損失函數(shù)改進(jìn)，添加注意力模塊和添加小目標(biāo)檢測(cè)頭模塊，都有效提升了模型的效果，將三者都添加到模型中之后，效果得到了明顯的提升，準(zhǔn)確率提升了5.65%、召回率提升了2.72%、mAP@.5提升了1.95%，從而說(shuō)明本文提出的模型修改部分，可以有效提升模型效果。部分檢測(cè)結(jié)果展示如圖6所示。

3.4? 對(duì)比實(shí)驗(yàn)

為了驗(yàn)證本算法與其他算法的有效性，分別在YOLOv5s方法、YOLOv3-SPP方法[14]、Faster R-CNN方法[15]和YOLOX方法[16]上進(jìn)行對(duì)比實(shí)驗(yàn)，在同等訓(xùn)練和測(cè)試條件下進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果如表3所示。

討論從實(shí)驗(yàn)結(jié)果中可以看出，本文針對(duì)小目標(biāo)害蟲(chóng)的檢測(cè)算法性能更好，相較于其他4種模型，本文算法在精確率、召回率和mAP@.5上均有提升，驗(yàn)證了本算法的可行性，也驗(yàn)證了本算法的優(yōu)越性。

4? 結(jié)? 論

使用CIoU損失函數(shù)計(jì)算定位損失，可以很好衡量真實(shí)框和預(yù)測(cè)框之間的關(guān)系，提高模型學(xué)習(xí)能力和魯棒性；在Neck加入注意力機(jī)制重點(diǎn)關(guān)注檢測(cè)目標(biāo)的有效信息；增加的小目標(biāo)檢測(cè)層有助于提取小目標(biāo)檢測(cè)物的信息，提高識(shí)別性能。通過(guò)多個(gè)對(duì)比實(shí)驗(yàn)證明，我們提出的方法具有較為優(yōu)越的性能，能夠勝任害蟲(chóng)智能識(shí)別的任務(wù)。

參考文獻(xiàn)：

[1] 張雙.我國(guó)農(nóng)業(yè)病蟲(chóng)害防治現(xiàn)狀及建議分析 [J].農(nóng)家參謀，2019（21）：13.

[2] 黃平，閉呂慶，莫燕斌，等．基于多尺度特征融合的柑橘病蟲(chóng)害圖像識(shí)別方法 [J].無(wú)線電工程，2022，52（3）：407-416.

[3] 張開(kāi)興，呂高龍，賈浩，等．基于圖像處理和BP神經(jīng)網(wǎng)絡(luò)的玉米葉部病害識(shí)別 [J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2019，40（8）：122-126.

[4] 胡維煒．小麥病害圖像特征提取與識(shí)別方法研究 [D].合肥：安徽農(nóng)業(yè)大學(xué)，2017.

[5] 束美艷，魏家璽，周也瑩，等．基于樸素貝葉斯分類的柑橘葉片潰瘍病診斷 [J].浙江大學(xué)學(xué)報(bào)：農(nóng)業(yè)與生命科學(xué)版，2021，47（4）：429-438.

[6] 曹麗英，張曉賢，傘曉輝，等．基于圖像處理技術(shù)和BP神經(jīng)網(wǎng)絡(luò)算法的玉米病害診斷方法的研究 [J].計(jì)算機(jī)科學(xué)，2012，39（10）：300-302.

[7] 余秀麗，徐超，王丹丹，等．基于SVM的小麥葉部病害識(shí)別方法研究 [J].農(nóng)機(jī)化研究，2014，36（11）：151-155+159.

[8]李震，洪添勝，曾祥業(yè)，等．基于K-means聚類的柑橘紅蜘蛛圖像目標(biāo)識(shí)別 [J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（23）：147-153+299.

[9] 王東方，汪軍．基于遷移學(xué)習(xí)和殘差網(wǎng)絡(luò)的農(nóng)作物病害分類 [J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37（4）：199-207.

[10] 時(shí)文秀.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在農(nóng)田害蟲(chóng)檢測(cè)識(shí)別中的應(yīng)用 [D].濟(jì)南：濟(jì)南大學(xué)，2020.

[11] REDMON J，DIVVALA S，GIRSHICK R，et al. You Only Look Once：Unified， Real-Time Object Detection [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）.Las Vegas：IEEE，2016：779-788.

[12] WOO S，PARK J，LEE J Y，et al. CBAM：Convolutional Block Attention Module [EB/OL].[2022-10-29].https：//developer.aliyun.com/article/1061002.

[13] ZHENG Z H，WANG P，REN D W，et al. Enhancing Geometric Factors in Model Learning and Inference for Object Detection and Instance Segmentation [J].IEEE Transactions on Cybernetics，2022，52（8）：8574-8586.

[14] REDMON J，F(xiàn)ARHADI A. Yolov3：An Incremental Improvement [J/OL].arXiv：1804.02767 [cs.CV].[2022-10-29].https：//arxiv.org/abs/1804.02767.

[15] REN S Q，HE K M，GIRSHICK R，et al. Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Networks [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39（6）：1137-1149.

[16] GE Z，LIU S T，WANG F，et al. YOLOX：Exceeding YOLO Series in 2021 [J/OL].arXiv：2107.08430 [cs.CV].[2022-10-29].https：//arxiv.org/abs/2107.08430.

作者簡(jiǎn)介：石璐瑩（1997—），女，漢族，河南鄭州人，碩士研究生在讀，研究方向：視覺(jué)認(rèn)知計(jì)算與醫(yī)學(xué)圖像處理；劉海華（1966—），男，漢族，湖北孝感人，教授，博士，研究方向：視覺(jué)認(rèn)知計(jì)算與醫(yī)學(xué)圖像處理。