基于YOLOv8网络的棉蚜图像识别算法及软件系统设计

作     者：马盼 杨子恒 万虎 何顺 黄远 徐胜勇 MA Pan;YANG Ziheng;WAN Hu;HE Shun;HUANG Yuan;XU Shengyong

作者机构：华中农业大学工学院湖北武汉430070 华中农业大学深圳营养与健康研究院深圳市518000 中国农业科学院深圳农业基因组研究所和岭南现代农业科学与技术广东省实验室深圳分中心深圳市518000 华中农业大学植物科学技术学院湖北武汉430070 华中农业大学园艺林学学院湖北武汉430070 

基　　金：国家重点研发计划项目(2019YFD1001900) HZAU-AGIS交叉基金项目(SZYJY2022006) 湖北省重点研发计划项目(2021BBA239) 中央高校基本科研业务费专项资金资助项目(2662022YLYJ010) 

出 版 物：《智能化农业装备学报（中英文）》 (Journal of Intelligent Agricultural Mechanization)

年 卷 期：2023年第4卷第3期

页      码：42-49页

摘      要：为解决在棉蚜种群预测与防治科研工作中人工计数难度大、效率低的问题,提出一种基于YOLO神经网络的棉蚜图像识别算法并集成为软件。首先,连续15 d使用手机拍摄人工接种的棉蚜图像,选择清晰的50张图像将其裁剪为6个子图像,再使用LabelImg软件进行人工标注得到训练集和测试集。然后,选择YOLOv5和YOLOv8系列的10种模型,训练参数设置相同(批次大小32,迭代100轮,初始学习率0.01,周期学习率0.01),使用AutoDL平台的服务器进行训练。最后,对训练好的模型进行测试,其中YOLOv8l模型综合性能表现最佳,mAP50达到了0.926。为了给用户提供方便易用的人机软件,使用PYQT5开发了软件的前端,实现了棉蚜图片的读取、计数、结果可视化和导出为Excel等功能。软件的后端采用了“拆分—检测—合并”的图像处理方式,保障了YOLO模型对小目标的检测效果。经过测试,该软件对于死棉蚜与活棉蚜计数的平均精度为0.945,展现出与人工计数相当的精度,具有较好的实用价值。该研究为棉蚜防治相关科研人员提供了一种智能化检测工具,也可为无人农场等场景中的精准作业提供关键作业信息。

主 题 词：棉蚜 计数 图像识别 图像处理 YOLO 

学科分类：082804[082804] 08[工学] 0828[工学-建筑类] 

D　O　I：10.12398/j.issn.2096-7217.2023.03.005

馆 藏 号：203123415...