文献类型： 中文期刊

作者： 焦佳宝 ¹ ; 李玲一 ¹ ; 刘永健 ¹ ; 陈相甫 ¹ ; 罗举 ² ; 杨保军 ² ; 姚青 ¹ ; 刘淑华 ² ;

作者机构： 1.浙江理工大学计算机科学与技术学院(人工智能学院)

2.中国水稻研究所

关键词： 水稻;病虫害;AR眼镜;图像识别;EfficientNet-V2-Rice;手机APP

期刊名称： 中国稻米

ISSN： 1006-8082

年卷期： 2025 年 31 卷 004 期

页码： 86-95

摘要： 针对传统水稻病虫害识别方法存在的效率低下、易受主观因素干扰等局限性，以及现有深度学习模型在捕捉水稻病虫害细微特征和处理类别不平衡数据方面存在的不足，开展了一系列研究与实践。首先，利用AR眼镜在水稻田间实地采集病虫害图像，结合公开数据集IP102和网络上的图像构建了水稻病虫害数据集，并采用数据增强方式扩充训练样本，缓解类别不平衡与图像质量问题；其次，在Efficient Net-V2模型的基础上，引入CBAM注意力机制替换原有的SE模块以增强对水稻病虫害的细节特征捕捉，并采用Poly Loss损失函数优化不平衡数据学习，构建了Efficient Net-V2-Rice水稻病虫害识别模型；最后，基于改进后的识别模型，开发了一款配套的安卓手机端智能识别APP。该APP功能丰富，集成了用户注册与登录、图像上传、智能识别、识别结果检索与详情查看等核心功能模块。用户只需通过手机摄像头拍摄水稻病虫害图像并上传至APP，即可快速获得准确的识别结果，并可随时检索和查看历史识别记录的详细信息。为验证模型改进策略的有效性，进行了消融实验和对比实验。实验结果表明，本文提出的Efficient Net-V2-Rice模型在水稻病虫害识别任务中表现优秀，精确率、召回率和F₁分数分别达到84.92%、86.00%和85.45%。基于此模型开发的安卓手机端APP，为用户提供了便捷高效的识别服务，为水稻病虫害的智能监测与辅助诊断提供了一种实用的工具。