近日,，基因組所農(nóng)業(yè)昆蟲基因組學(xué)創(chuàng)新團(tuán)隊提出一種針對普通昆蟲幼蟲的兩階段害蟲分割策略,，該方法結(jié)合對象檢測和語義分割技術(shù),，解決了田間害蟲在線自動識別技術(shù)在戶外復(fù)雜環(huán)境下識別害蟲準(zhǔn)確率不高的難題,，為昆蟲幼蟲的自動識別提供了可靠的參考,，有助于開發(fā)更精確,、更高效的害蟲防治系統(tǒng),。相關(guān)研究成果以封面文章形式發(fā)表在《農(nóng)業(yè)科學(xué)學(xué)報（Journal of Integrative Agriculture）》上,。

田間害蟲在線自動識別技術(shù)是農(nóng)田害蟲防治的重要輔助手段,。在實(shí)際應(yīng)用中,，由于目標(biāo)小、物種相似性高,、背景復(fù)雜等因素,，昆蟲在線識別系統(tǒng)的準(zhǔn)確率會受到嚴(yán)重影響。為解決這一問題,，研究人員需要在進(jìn)行圖像分類之前,，對待檢測目標(biāo)進(jìn)行盡可能完整的分割。

該研究在分析農(nóng)田害蟲防治背景的基礎(chǔ)上,，建立了一個包含9種常見害蟲的圖像語義分割數(shù)據(jù)集,，并采用4種數(shù)據(jù)增強(qiáng)方法平衡數(shù)據(jù)集中簡單背景和復(fù)雜背景樣本的數(shù)量；改進(jìn)了一種輕量化的語義分割算法,，以滿足真實(shí)場景下的移動應(yīng)用需求,；設(shè)計了一種兩階段的害蟲分割網(wǎng)絡(luò)框架，并通過針對性實(shí)驗(yàn)驗(yàn)證了其有效性,。

兩階段語義分割算法MRUNet,，在結(jié)構(gòu)上借鑒了Mask R-CNN在語義分割前進(jìn)行目標(biāo)檢測的做法,。在具體操作上，MRUNet構(gòu)建了Faster R-CNN目標(biāo)檢測模型進(jìn)行幼蟲目標(biāo)檢測,；對目標(biāo)檢測獲得的位置信息進(jìn)行針對性調(diào)整并用于在原始高分辨率圖像中截取樣本圖像片段,；最終對獲得的主要包含害蟲幼蟲的圖像片段采用基于改進(jìn)MobileNet的輕量級UNet算法進(jìn)行語義分割。在定量實(shí)驗(yàn),、定性分析和統(tǒng)計分析中,，所提出的MRUNet算法在分割精度和模型穩(wěn)定性等方面表現(xiàn)均優(yōu)于其它算法。

圖 | 兩階段害蟲分割策略定位草地貪夜蛾

研究結(jié)果表明,，兩階段分割策略能夠有效處理復(fù)雜背景下的小目標(biāo)分割問題,，與單階段模型相比分割效果顯著提升。該方法可為害蟲幼蟲識別提供高質(zhì)量的圖像數(shù)據(jù),，為以害蟲為代表的復(fù)雜背景下小目標(biāo)的分割研究提供有效參考,。

基因組所和廣西大學(xué)聯(lián)培碩士生王福寬，廣西大學(xué)副教授黃亦其為論文的共同第一作者,?；蚪M所錢萬強(qiáng)研究員、喬曦副研究員為該論文的共同通訊作者,。該研究得到國家重點(diǎn)研發(fā)計劃,，廣西自然科學(xué)基金，深圳市科技創(chuàng)新計劃的資助,。

原文鏈接：https://doi.org/10.1016/j.jia.2022.09.004