收稿日期：2023-10-10

基金項(xiàng)目：大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（國(guó)家級(jí)一般項(xiàng)目）“基于圖像識(shí)別技術(shù)的新疆南疆棉鈴蟲(chóng)防治系統(tǒng)研究”（202310994005）。

作者簡(jiǎn)介：林詩(shī)琪（2003—），女，福建龍海人，研究方向?yàn)閳D像處理。#通信作者：熱阿宛·吾肯（1992—），新疆布爾津人，碩士研究生，助教，研究方向?yàn)楣I(yè)缺陷檢測(cè)，E-mail：519274120@qq.com。

摘 要：隨著圖像識(shí)別技術(shù)的快速發(fā)展，其在新疆南疆棉鈴蟲(chóng)防治中的應(yīng)用也成了研究熱點(diǎn)。綜述了圖像識(shí)別技術(shù)在農(nóng)業(yè)病蟲(chóng)害防治、棉鈴蟲(chóng)圖像處理與識(shí)別以及南疆棉鈴蟲(chóng)防治策略和發(fā)生規(guī)律、深度學(xué)習(xí)與機(jī)器學(xué)習(xí)技術(shù)在害蟲(chóng)檢測(cè)方面的應(yīng)用，搜集了農(nóng)業(yè)害蟲(chóng)遠(yuǎn)程監(jiān)測(cè)與智能識(shí)別系統(tǒng)等方面的文獻(xiàn)，分析了諸如二值化圖像、區(qū)域卷積神經(jīng)網(wǎng)絡(luò)等在提高棉鈴蟲(chóng)識(shí)別準(zhǔn)確性和處理速度中的作用。綜合以往的文獻(xiàn)，當(dāng)前應(yīng)用于棉鈴蟲(chóng)防治的圖像識(shí)別技術(shù)不僅提高了識(shí)別的自動(dòng)化水平，還通過(guò)深度學(xué)習(xí)等先進(jìn)算法的應(yīng)用，顯著提升了棉鈴蟲(chóng)種群監(jiān)測(cè)方法的準(zhǔn)確性和效率。對(duì)棉鈴蟲(chóng)發(fā)生規(guī)律的研究、基于圖像識(shí)別技術(shù)的監(jiān)測(cè)系統(tǒng)的構(gòu)建，以及南疆棉花產(chǎn)業(yè)的可持續(xù)發(fā)展具有重要意義。

關(guān)鍵詞：圖像識(shí)別；棉鈴蟲(chóng)；農(nóng)業(yè)害蟲(chóng)防治；深度學(xué)習(xí)；監(jiān)測(cè)系統(tǒng)

中圖分類(lèi)號(hào)：S435.622 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：2095–3305（2024）04–00-03

在新疆南疆地區(qū)，棉花生產(chǎn)是重要的農(nóng)業(yè)活動(dòng)之一。棉鈴蟲(chóng)作為該地區(qū)棉花生長(zhǎng)過(guò)程中的主要害蟲(chóng)之一，給當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)帶來(lái)了嚴(yán)重影響?，F(xiàn)有系統(tǒng)在棉鈴蟲(chóng)的圖像獲取、處理和識(shí)別算法方面存在局限性，對(duì)當(dāng)?shù)丨h(huán)境與棉鈴蟲(chóng)種群的特異性適應(yīng)不足，而圖像識(shí)別技術(shù)在農(nóng)業(yè)害蟲(chóng)防治方面則展現(xiàn)出了巨大潛力。綜述了圖像識(shí)別技術(shù)在農(nóng)業(yè)病蟲(chóng)害防治中的作用，幫助研究人員和技術(shù)開(kāi)發(fā)者深入理解該領(lǐng)域的現(xiàn)狀和挑戰(zhàn)，為農(nóng)業(yè)生產(chǎn)提供科技支撐。

1 圖像識(shí)別技術(shù)在農(nóng)業(yè)病蟲(chóng)害防治的應(yīng)用

1.1 圖像識(shí)別技術(shù)在病蟲(chóng)害識(shí)別中的作用

圖像識(shí)別技術(shù)在病蟲(chóng)害防治中發(fā)揮著重要的作用，特別是在迅速、準(zhǔn)確地識(shí)別蟲(chóng)害方面表現(xiàn)出巨大潛力[1]。近年來(lái)，隨著模式識(shí)別和機(jī)器學(xué)習(xí)技術(shù)的飛速發(fā)展，該技術(shù)已經(jīng)逐步在農(nóng)業(yè)害蟲(chóng)的檢測(cè)和識(shí)別中得到廣泛應(yīng)用（表1）?；趫D像的識(shí)別系統(tǒng)能夠大幅減少因傳統(tǒng)人工識(shí)別導(dǎo)致的時(shí)間消耗和誤差，進(jìn)而實(shí)現(xiàn)高效和自動(dòng)化的病蟲(chóng)害監(jiān)測(cè)。

在識(shí)別害蟲(chóng)的過(guò)程中，圖像識(shí)別技術(shù)通常涉及關(guān)鍵步驟，如圖像采集、圖像預(yù)處理、特征提取、分類(lèi)識(shí)別等（圖1）。工作人員必須進(jìn)行圖像預(yù)處理，包括為提高圖像質(zhì)量、突出目標(biāo)特征而進(jìn)行的去噪、增強(qiáng)、分割等操作[2]。特征提取是將有害生物圖像中的重要信息轉(zhuǎn)化為可表示有害生物特征的數(shù)據(jù)，是圖像識(shí)別的核心環(huán)節(jié)。區(qū)分不同種類(lèi)的害蟲(chóng)[3]常用到顏色、紋理、形狀等特征。而分類(lèi)識(shí)別則是在提取特征的基礎(chǔ)上，實(shí)現(xiàn)對(duì)未知害蟲(chóng)圖像的識(shí)別判斷，并利用機(jī)器學(xué)習(xí)算法構(gòu)建分類(lèi)模型。

在新疆南疆棉鈴蟲(chóng)防治中，圖像識(shí)別技術(shù)的應(yīng)用顯得尤為重要。棉鈴蟲(chóng)作為嚴(yán)重的農(nóng)作物害蟲(chóng)，對(duì)棉花生產(chǎn)造成了巨大威脅。因此，研發(fā)出能對(duì)棉鈴蟲(chóng)進(jìn)行快速識(shí)別與分類(lèi)的圖像識(shí)別系統(tǒng)十分有必要?；谏疃葘W(xué)習(xí)的農(nóng)業(yè)昆蟲(chóng)圖像識(shí)別研究表明，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)（CNN）學(xué)習(xí)深層次的圖像特征，可以有效提升分類(lèi)和識(shí)別的準(zhǔn)確性[4]。此外，利用二值化圖像識(shí)別技術(shù)建立的害蟲(chóng)誘殺監(jiān)測(cè)系統(tǒng)，能夠?qū)崿F(xiàn)高效率的害蟲(chóng)數(shù)量統(tǒng)計(jì)與監(jiān)控，為害蟲(chóng)防治提供數(shù)據(jù)支持。

1.2 棉鈴蟲(chóng)圖像處理的關(guān)鍵技術(shù)

1.2.1 圖像預(yù)處理與分割算法

在棉鈴蟲(chóng)圖像處理與識(shí)別算法的研究中，圖像預(yù)處理與分割技術(shù)是基本、關(guān)鍵的步驟。圖像預(yù)處理的主要目的是提高圖像的質(zhì)量，為后面的處理工作打下基礎(chǔ)。在棉鈴蟲(chóng)的圖像識(shí)別中，工作人員通常需要對(duì)圖像進(jìn)行噪聲消除、增強(qiáng)對(duì)比度及歸一化處理等預(yù)處理，而圖像分割技術(shù)則是為了將棉鈴蟲(chóng)圖像中的前景即棉鈴蟲(chóng)本身與背景區(qū)分開(kāi)來(lái)，從而為特征的提取以及下一步的分類(lèi)識(shí)別工作做準(zhǔn)備。運(yùn)用圖像預(yù)處理與分割技術(shù)后，工作人員可以對(duì)棉鈴蟲(chóng)進(jìn)行更精確的圖像識(shí)別。

圖像采集中必然會(huì)出現(xiàn)噪聲，對(duì)圖像識(shí)別的精確度造成很大影響。因此，工作人員需要運(yùn)用高斯濾波中值濾波等各種方式對(duì)圖像進(jìn)行去噪處理，才能提高圖像處理的效果。對(duì)比度增強(qiáng)涉及調(diào)整圖像的亮度和對(duì)比度，可使得棉鈴蟲(chóng)的圖像特征更加明顯。在農(nóng)業(yè)害蟲(chóng)圖像識(shí)別的相關(guān)研究中，有學(xué)者指出，通過(guò)調(diào)節(jié)圖像的直方圖來(lái)增強(qiáng)圖像對(duì)比度，從而使得特征提取更為準(zhǔn)確[5]。圖像分割是將圖像中每一個(gè)像素指派到某個(gè)特定類(lèi)別中的過(guò)程。傳統(tǒng)的圖像分割方法如閾值分割、區(qū)域生長(zhǎng)、邊緣檢測(cè)等在棉鈴蟲(chóng)圖像識(shí)別中都有應(yīng)用。研究表明，利用二值化方法可以有效地對(duì)棉鈴蟲(chóng)圖像進(jìn)行分割，可通過(guò)設(shè)置閾值將圖像轉(zhuǎn)換為二值化圖像，突出棉鈴蟲(chóng)的形態(tài)特征[6]。

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的圖像分割技術(shù)，如區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region-Based Convol-

utional Neural Networks，R-CNN）已經(jīng)被廣泛應(yīng)用于害蟲(chóng)圖像的分割?；趨^(qū)域卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)害蟲(chóng)檢測(cè)方法，能夠提高檢測(cè)的準(zhǔn)確性和效率。計(jì)算機(jī)視覺(jué)的技術(shù)也逐漸運(yùn)用在棉鈴蟲(chóng)成蟲(chóng)雌雄自動(dòng)判別的研究中。此外，對(duì)農(nóng)業(yè)害蟲(chóng)圖像識(shí)別支持向量機(jī)算法的改進(jìn)也提供了圖像分割的新途徑。南疆棉鈴蟲(chóng)防治圖像識(shí)別技術(shù)的應(yīng)用表明了預(yù)處理和分割算法的重要性，有利于提高棉鈴蟲(chóng)防治效率。

1.2.2 形態(tài)學(xué)特征提取方法

在圖像處理與識(shí)別算法的研究中，形態(tài)學(xué)特征提取是一項(xiàng)基礎(chǔ)而關(guān)鍵的步驟，涉及從原始圖像中提取出對(duì)目標(biāo)物種具有高度區(qū)分性的特征。在新疆南疆棉鈴蟲(chóng)防治系統(tǒng)研究中，精確地提取棉鈴蟲(chóng)的形態(tài)學(xué)特征是實(shí)現(xiàn)有效監(jiān)控與防治的前提。

對(duì)于棉鈴蟲(chóng)圖像的處理，邊緣檢測(cè)和圖像分割算法是提取形態(tài)學(xué)特征的基礎(chǔ)。邊緣檢測(cè)算法可以準(zhǔn)確地識(shí)別出棉鈴蟲(chóng)圖像中蟲(chóng)體的輪廓，從而有效區(qū)分背景和目標(biāo)對(duì)象。

形態(tài)學(xué)特征提取包括多種特征，如棉鈴蟲(chóng)的體型、形態(tài)、紋理、色澤等。評(píng)價(jià)鈴蟲(chóng)形態(tài)的重要量化參數(shù)有面積、周長(zhǎng)、長(zhǎng)寬比等尺寸特征和凸包、彎曲度、緊湊度等形態(tài)學(xué)特征。例如，通過(guò)計(jì)算二值化后的鈴蟲(chóng)剖面中的像素點(diǎn)數(shù)目，就可以確定鈴蟲(chóng)的面積；而三圍則是對(duì)邊緣像素點(diǎn)進(jìn)行追蹤。

對(duì)于紋理特征，包括灰度共生矩陣（Gray-Level Co-occurrence Matrix，GLCM）的棉鈴蟲(chóng)圖像和局部二值模式（Local Binary Pattern，LBP）。GLCM描述的是圖像中規(guī)律性和位置關(guān)系的像素灰階分布，而LBP則描述的是圖像局部質(zhì)感的特點(diǎn)。這兩個(gè)特點(diǎn)在區(qū)別不同生長(zhǎng)階段和品種的棉鈴蟲(chóng)上效果顯著。

顏色特征的提取則通常依賴于色彩空間的轉(zhuǎn)換。例如，從RGB色彩空間轉(zhuǎn)換到HSV色彩空間，以提取棉鈴蟲(chóng)身體的顏色信息，這在棉鈴蟲(chóng)生長(zhǎng)的不同階段的區(qū)分上特別重要。顏色直方圖、平均顏色等都可用于描述棉鈴蟲(chóng)的顏色特征。

在特征提取的過(guò)程中面臨的另一個(gè)挑戰(zhàn)是對(duì)提取特征的進(jìn)一步篩選和優(yōu)化。其中，主成分分析（Principal Component Analysis，PCA）和線性判別分析（Linear Discriminant Analysis，LDA）是兩種常見(jiàn)的技術(shù)。PCA通過(guò)正交變換將數(shù)據(jù)轉(zhuǎn)換到新的坐標(biāo)系統(tǒng)中，從而盡量將原始數(shù)據(jù)的方差保留在前幾個(gè)新坐標(biāo)所對(duì)應(yīng)的維度中，這有助于保留最重要的圖像特征。而LDA則著眼于最大化類(lèi)間差異與最小化類(lèi)內(nèi)差異，從而提高分類(lèi)的準(zhǔn)確度。

區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region-based Convolutional Neural Networks，RCNN）等現(xiàn)代圖像識(shí)別技術(shù)也被應(yīng)用于農(nóng)業(yè)有害生物檢測(cè)中，通過(guò)對(duì)深層特征的自動(dòng)提取來(lái)實(shí)現(xiàn)對(duì)有害生物的精確識(shí)別。對(duì)大規(guī)模標(biāo)注數(shù)據(jù)的依賴和對(duì)計(jì)算資源的需求限制了其在實(shí)際農(nóng)業(yè)環(huán)境中的廣泛應(yīng)用，盡管RCNN等深度學(xué)習(xí)方法在特征提取方面顯示出顯著優(yōu)勢(shì)。

傳統(tǒng)的圖像處理技術(shù)和機(jī)器學(xué)習(xí)方法仍在新疆南疆等樣本數(shù)量有限的實(shí)際場(chǎng)景中占據(jù)重要位置。通過(guò)將傳統(tǒng)的圖像處理方法與現(xiàn)代的機(jī)器學(xué)習(xí)技術(shù)相融合，可為南疆地區(qū)的防治工作提供科學(xué)的決策支撐，并構(gòu)建起一套高效、精準(zhǔn)的棉鈴蟲(chóng)識(shí)別系統(tǒng)。

2 南疆棉鈴蟲(chóng)防治策略和發(fā)生規(guī)律

2.1 南疆棉鈴蟲(chóng)的發(fā)生規(guī)律

南疆地區(qū)的棉花種植是當(dāng)?shù)氐闹匾?jīng)濟(jì)活動(dòng)，而棉鈴蟲(chóng)作為一種重要的農(nóng)業(yè)害蟲(chóng)，對(duì)棉花產(chǎn)量和質(zhì)量的威脅不可小覷。為了有效地防治棉鈴蟲(chóng)，了解其在南疆的多代發(fā)生特點(diǎn)和季節(jié)分布至關(guān)重要。

南疆棉鈴蟲(chóng)作為一種溫帶和熱帶地區(qū)常見(jiàn)的農(nóng)業(yè)害蟲(chóng)，其一生中會(huì)經(jīng)過(guò)多個(gè)發(fā)育階段，并且在南疆因?yàn)闅夂蚝铜h(huán)境條件的特殊性，棉鈴蟲(chóng)的生命周期和世代發(fā)生呈現(xiàn)出獨(dú)特的特點(diǎn)。南疆的棉鈴蟲(chóng)一般可分為數(shù)代，其中第一代通常在5月底至6月中旬出現(xiàn)，第二代出現(xiàn)在7月上旬至8月中旬，而之后的幾代棉鈴蟲(chóng)則分別在9—10月發(fā)生。

此外，南疆棉鈴蟲(chóng)的種群結(jié)構(gòu)受眾多因素影響，包括氣候條件、種植模式、棉花品種以及農(nóng)業(yè)技術(shù)手段等。Bt棉的廣泛種植顯著影響了棉鈴蟲(chóng)的分布和發(fā)生。同時(shí)，南疆地區(qū)不斷變化的農(nóng)業(yè)結(jié)構(gòu)和棉田栽培技術(shù)的改進(jìn)對(duì)棉鈴蟲(chóng)的多代發(fā)生特點(diǎn)產(chǎn)生了重要影響。

從季節(jié)分布上看，南疆地區(qū)的棉鈴蟲(chóng)呈現(xiàn)出與以往不一樣的規(guī)律。受水分管理的影響，棉鈴蟲(chóng)的季節(jié)分布特征在滴灌技術(shù)推廣的棉田中表現(xiàn)明顯。適宜的灌溉條件在影響棉鈴蟲(chóng)發(fā)育速率和種群密度的同時(shí)，還能促進(jìn)棉花的快速生長(zhǎng)。通過(guò)第一代模擬棉鈴蟲(chóng)為害的研究發(fā)現(xiàn)，溫度的高低與其發(fā)育速度、為害時(shí)間的快慢有很大的關(guān)系[7]。

由于新疆南部地區(qū)棉鈴蟲(chóng)多代發(fā)生和季節(jié)分布的特殊性，工作人員應(yīng)結(jié)合本地區(qū)實(shí)際，制定農(nóng)業(yè)生產(chǎn)中的防治方略。控制棉鈴蟲(chóng)危害的關(guān)鍵是氣象、生物、農(nóng)技綜合應(yīng)用的防治策略?！逗吞锩迏^(qū)棉鈴蟲(chóng)防治綜合防治方略》也強(qiáng)調(diào)了防治的重要性[8]。

2.2 不同寄主植物間的轉(zhuǎn)移危害

新疆南疆棉田棉鈴蟲(chóng)的發(fā)生與其寄主植物的種類(lèi)有很大的關(guān)系，棉鈴蟲(chóng)在不同寄主植物之間的轉(zhuǎn)移，對(duì)棉花生長(zhǎng)的危害是顯而易見(jiàn)的。不同寄主植物間發(fā)生棉鈴蟲(chóng)轉(zhuǎn)移危害的現(xiàn)象非常普遍。其中，棉鈴蟲(chóng)在某一寄主植物上的營(yíng)養(yǎng)或繁殖條件變得不利時(shí)，這種跨越寄主植物的轉(zhuǎn)移行為進(jìn)一步增加了棉花生產(chǎn)的不確定性。因此，農(nóng)業(yè)工作人員應(yīng)對(duì)棉鈴蟲(chóng)的發(fā)生動(dòng)態(tài)進(jìn)行更精細(xì)化的監(jiān)測(cè)。

在結(jié)合環(huán)境因素評(píng)估不同階段棉鈴蟲(chóng)發(fā)生風(fēng)險(xiǎn)的同時(shí)，工作人員應(yīng)通過(guò)定期和分析，跟蹤其在不同寄主植物間的轉(zhuǎn)移情況。同時(shí)，針對(duì)南疆棉田滴灌實(shí)際，工作人員可利用化學(xué)控制和物理除草相結(jié)合的方法，減少其他寄主植物向棉花轉(zhuǎn)移的可能性，從而削弱非棉類(lèi)寄主植物對(duì)棉鈴蟲(chóng)的吸引力[9]。此外，為了有效地防控棉鈴蟲(chóng)，工作人員需要對(duì)其轉(zhuǎn)移行為有預(yù)先的認(rèn)識(shí)和了解，并基于該知識(shí)實(shí)施調(diào)整、防治措施。

3 結(jié)束語(yǔ)

近年來(lái)，圖像識(shí)別技術(shù)在農(nóng)業(yè)害蟲(chóng)防治中取得了一定的進(jìn)展。以新疆南疆棉鈴蟲(chóng)的檢測(cè)、識(shí)別和防治為例，論述了圖像識(shí)別技術(shù)在其中的應(yīng)用，探討了改進(jìn)算法、實(shí)踐應(yīng)用、遠(yuǎn)程監(jiān)測(cè)系統(tǒng)和防治策略，優(yōu)化了棉鈴蟲(chóng)的識(shí)別和防治。算法優(yōu)化、多源數(shù)據(jù)融合、大數(shù)據(jù)云計(jì)算應(yīng)用、智能化診斷系統(tǒng)集成、低成本監(jiān)測(cè)技術(shù)研發(fā)和可解釋性可信賴性研究是未來(lái)發(fā)展方向，有利于提高農(nóng)作物生產(chǎn)效率。

參考文獻(xiàn)

[1] 劉震，紀(jì)明妹，郭志頂，等.圖像識(shí)別技術(shù)在病蟲(chóng)害防治方面的應(yīng)用與展望[J].滄州師范學(xué)院學(xué)報(bào)，2022，38（1）：119-123.

[2] 陳瀟瀟.圖像處理技術(shù)在蟲(chóng)害識(shí)別中的應(yīng)用[J].農(nóng)技服務(wù)， 2016，33（4）：123.

[3] 劉迦南.基于圖像識(shí)別的煙草夜蛾科主要害蟲(chóng)分類(lèi)研究[D].鄭州：華北水利水電大學(xué)，2019.

[4] 梁曉彤，徐踐. MATLAB圖像處理技術(shù)在農(nóng)業(yè)病蟲(chóng)害識(shí)別中的應(yīng)用分析[J].南方農(nóng)業(yè)，2017，11（21）：117-122，124.

[5] 麻劍鈞，劉曉慈，金龍新，等.基于機(jī)器視覺(jué)的農(nóng)作物病害識(shí)別研究進(jìn)展[J].湖南農(nóng)業(yè)科學(xué)，2023（9）：97-100.

[6] 宋彥濤.植保無(wú)人機(jī)在玉米病蟲(chóng)害防治中的應(yīng)用研究[J].黑龍江糧食，2023（12）：81-83.

[7] 牛潘婷，張寶林，潘麗杰，等.基于深度學(xué)習(xí)的農(nóng)作物病蟲(chóng)害研究進(jìn)展[J].內(nèi)蒙古師范大學(xué)學(xué)報(bào)（自然科學(xué)漢文版）， 2024，53（1）：93-102.

[8] 邊柯橙，楊海軍，路永華.深度學(xué)習(xí)在農(nóng)業(yè)病蟲(chóng)害監(jiān)測(cè)識(shí)別中的應(yīng)用綜述[J].軟件導(dǎo)刊，2021，20（3）：26-33.

[9] 張耀麗，許寧，宋裕民，等.卷積神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)病蟲(chóng)害識(shí)別中的應(yīng)用[J].農(nóng)業(yè)裝備與車(chē)輛工程，2023，61（2）：58-62.