| 基于图像处理技术的红火蚁检测识别 |
| |
| 引用本文： | 朱立学, 黄培峰, 黄伟锋, 韩群鑫, 陈品岚, 曾德钊. 基于图像处理技术的红火蚁检测识别[J]. 农业工程学报, 2022, 38(11): 344-350. DOI: 10.11975/j.issn.1002-6819.2022.11.038 |
| |
| 作者姓名： | 朱立学 黄培峰 黄伟锋 韩群鑫 陈品岚 曾德钊 |
| |
| 作者单位： | 1.仲恺农业工程学院机电工程学院,广州 510225;2.仲恺农业工程学院自动化学院,广州 510225;3.仲恺农业工程学院农业与生物学院,广州 510225 |
| |
| 基金项目： | 岭南现代农业实验室科研项目（NZ2021038） |
| |
| 摘 要： | 对红火蚁（Solenopsis invicta Buren）进行准确检测是红火蚁巡检无人化首要解决的关键问题。该研究提出了一种基于图像处理技术的红火蚁检测识别方法。首先,将草坪环境下红火蚁蚁巢明度分量图像的背景区域进行压缩,并将压缩后的明度与色调差值图像与超绿模型分割提取的背景区域做差值融合,将其结果作为红火蚁蚁巢的检测识别模型。其次,在YOLOv5s算法的主干网络添加注意力机制,构建红火蚁昆虫图像的检测识别模型。最后,将采集到的红火蚁蚁巢图像与红火蚁昆虫图像分别在检测识别模型上进行对比测试。试验结果表明,草坪环境下采集的红火蚁蚁巢图像样本识别的IoU（Intersection over Union）最高可达96.87%,且IoU高于80%的样本占比81.67%;对红火蚁昆虫图像样本进行识别的平均检测速度可达48.53帧/s,精确率（Precision）可达91.50%,召回率（Recall）为89.28%,平均精度值（Average Precision）为95.40%,F1综合评价指标为90.38%,与原YOLOv5s算法相比有较大的提高。该技术方法对草坪环境红火蚁的智能化检测具有一定的可行性。
|
| 关 键 词： | 模型 图像处理 明度分量 超绿模型 YOLOv5s 红火蚁 |
| 收稿时间： | 2022-03-27 |
| 修稿时间： | 2022-05-26 |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
