文献类型： 中文期刊

作者： 张忠雪 ¹ ; 冯琦胜 ¹ ; 李仲贤 ² ; 李云昊 ¹ ; 王瑞泾 ¹ ; 张轩凡 ¹ ; 李彦忠 ¹ ; 梁天刚 ¹ ;

作者机构： 1.草种创新与草地农业生态系统全国重点实验室/兰州大学草地农业科技学院

2.兰州大学图书馆

关键词： 深度学习;YOLOv5算法;Faster-RCNN算法;苜蓿害虫

期刊名称： 草业科学

ISSN： 1001-0629

年卷期： 2024 年 006 期

页码： 1519-1532

收录情况： 北大核心 ; CSCD

摘要： 苜蓿(Medicago sativa)是我国发展畜牧业的重要优质牧草之一，而病虫害是影响其生长和品质的主要原因，因此准确识别病虫害对其生长发育具有重要意义。YOLO (You Only Look Once)等单阶段目标检测算法通过端对端进行目标检测，RCNN (Region Convolutional Neural Network)等双阶段目标检测算法生成候选区域进行特征提取。为有效识别苜蓿害虫，本文基于YOLOv5和Faster-RCNN两种算法对常见的6类苜蓿害虫进行特征识别，根据召回率(R)、精度(P)、平均精度(mAP)、F1值4种评价指标确定苜蓿害虫识别的最优算法和模型。其中R为样本中的正例被正确预测的比例，F1值为R和P的加权平均值。结果表明：YOLOv5算法识别苜蓿害虫的表现优于Faster-RCNN算法，YOLOv5算法的测试集和验证集精度均高于Faster-RCNN算法。研究结果为苜蓿害虫识别的算法选择提供了科学与理论支撑，对栽培苜蓿管理具有重要意义。