基于改进ATSS模型的水稻害虫检测

摘要

【目的】针对水稻害虫检测中数据匮乏、精度低、实时性差等问题，构建专用数据集并提出高效检测方法。【方法】基于诱虫灯采集设备构建Pest5数据集，在自适应训练样本选择(ATSS)框架上提出改进模型PestDet：采用组合式数据增强策略和锚框优化提升样本多样性与目标匹配能力；以GHM-C和DIoU分别作为分类与回归损失，增强鲁棒性与定位精度；引入膨胀卷积重构特征金字塔，提升多尺度特征感知能力；简化检测头结构并嵌入坐标注意力(CA)机制，加快推理速度并强化关键信息提取。【结果】PestDet在Pest5数据集上检测平均精度均值(mAP)达92.0%，每秒帧数(FPS)为40.2，较原始ATSS分别提升7.0个百分点和7.0，性能优于主流模型。【结论】PestDet兼具高精度与高效率，可有效识别复杂背景下的水稻害虫，可为害虫智能监测与精准防控提供技术支撑。

关键词

水稻害虫 / 目标检测 / 数据增强 / 注意力机制 / ATSS