原标题：作物病虫害防控走向智能高效

文章：《基于改进YOLOv5s的自然场景下生姜叶片病虫害识别》

期刊：农业工程学报，2024年第1期

作者：兰玉彬、孙斌书、张乐春、赵德楠

评荐：黄文江（中国科学院空天信息创新研究院研究员）

近年来，农业智能化发展步伐加快，如何在自然复杂环境下实现作物病虫害的精准检测，成为智慧农业领域的重要研究方向。文章围绕自然场景生姜叶片病虫害识别中的核心技术难题，提出了切实有效的解决方案，为农业智能装备的落地应用提供了有力支撑。

该文聚焦自然环境下生姜叶片病虫害识别这一实际需求，紧扣农业生产一线技术短板，立足于模型轻量化、检测精准化与作业实时化三个关键问题，进行了系统深入的研究。通过引入轻量化网络结构，对模型进行模块替换与网络重构，有效降低了模型整体计算复杂度与存储资源消耗。同时，为提升模型在密集背景下对病虫害小目标特征的提取能力，结合注意力机制模块，增强网络的特征表达与定位能力，从而提升整体识别精度。试验结果表明，改进后的模型在参数量、计算量、体积大幅缩减的同时，仍保持了优异的检测性能，具有很强的工程可用性。本研究不仅在模型结构设计上作出了创新尝试，还在算法应用与硬件部署层面完成了深入集成，成功将优化后的模型部署于边缘计算平台，并通过TensorRT加速、量化优化与多线程编程等工程化手段，提高了模型检测速度，兼顾轻量化与高性能的双重要求，有力支撑了智慧农业装备对实时性与高效性的双重需求。

值得关注的是，研究团队在数据集构建方面下足功夫，针对自然田间复杂背景，采集了多时段、多光照、多角度的真实图像样本，并通过数据增强显著提升了模型的泛化能力和在真实场景下的适应性。这种以实际应用为导向的数据构建策略，保证了模型在复杂环境下的适应性与鲁棒性，也为相关病虫害识别任务的数据标准提供了良好示范。

与众多主流目标检测模型的对比显示，该模型在检测精度和推理速度方面均具有明显优势，平均精度均值提升明显，且漏检、误检情况显著减少，验证了模型在小目标检测任务中的有效性和先进性。该成果为农业领域普遍存在的小目标病虫害检测难题提供了技术参考，具有较高的推广价值。

总体来看，该研究紧贴农业智能化发展的现实需求，充分发挥了深度学习与智能硬件融合的技术优势，不仅丰富了作物病虫害识别技术体系，也为智慧农业装备的智能感知系统研发提供了重要参考。该研究成果的推广应用，有望在提升生姜等经济作物种植效率、降低农药施用量、促进农业绿色可持续发展等方面发挥积极作用。

专栏主持人：姜 靖

电话：010-58884061

邮箱：jiangjing@stdaily.com

原标题：作物病虫害防控走向智能高效 来源：科技日报