基于多尺度融合模型的双维度番茄潜叶蛾识别方法及应用

摘要

为解决番茄潜叶蛾Tuta absoluta及其相似种之间因形态相近而难以识别的问题，在实验室采集番茄潜叶蛾及其相似种图像数据及其相对应的为害症状图像，进行数据增强后构建基于类别对应关系的双维度数据集，设计多尺度蒸馏融合网络（multi-scale distillation fusion network,MSDF-Net）模型，利用该模型对为害症状数据进行预训练，得到为害症状特征提取器，再利用其学习到的知识在多尺度上蒸馏得到害虫网络并训练，基于微信小程序和云服务器利用构建的系统实现对番茄潜叶蛾的智能识别。结果显示：共采集番茄潜叶蛾及其8种相似害虫各虫态的23类共10 091张图片。MSDF-Net模型综合性能最优，准确率达到了99.66%，精确率和召回率分别为99.35%和99.19%。MSDF-Net模型对不同昆虫识别的准确率普遍优于其他模型，其中对美洲斑潜蝇Liriomyza sativae2龄幼虫识别的准确率达到100.00%，对南美斑潜蝇Liriomyza huidobrensis 2龄幼虫识别的准确率较低，为86.67%，但仍高于其他3个模型。MSDF-Net模型训练过程较平滑，无过拟合现象，其各设计部分均有效；基于微信小程序和云服务器搭建的害虫智能识别系统运行稳定，功能强大，表明所构建的识别系统可实现番茄潜叶蛾的实时鉴定。

关键词

深度学习 / 害虫识别 / 双维度 / 微信小程序 / 番茄潜叶蛾