基于多尺度殘差空間注意力輕量化U-Net的農(nóng)業(yè)害蟲檢測(cè)方法

李 萍，劉 裕，師曉麗，張善文

(1.鄭州西亞斯學(xué)院，河南鄭州 451150；2.西京學(xué)院信息工程學(xué)院，陜西西安 710123)

作物蟲害嚴(yán)重降低了作物的產(chǎn)量和質(zhì)量，是造成世界各地作物損失的主要原因[1]。盡管各種殺蟲劑等化學(xué)農(nóng)藥能夠快速有效地防治蟲害，但對(duì)生態(tài)環(huán)境和人類健康造成了極大危害[2]。蟲害精準(zhǔn)檢測(cè)是蟲害防治的前提，有助于減少農(nóng)藥使用量，進(jìn)而減少環(huán)境污染。傳統(tǒng)的害蟲檢測(cè)依賴專家或技術(shù)人員肉眼觀察，該方式的主觀性強(qiáng)、勞動(dòng)強(qiáng)度大、成本高，很難應(yīng)用于大規(guī)模大田害蟲檢測(cè)，不能滿足數(shù)字化作物害蟲管理的需要[3]。

1 研究現(xiàn)狀

隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，出現(xiàn)了大量基于計(jì)算機(jī)視覺技術(shù)的田間作物病蟲害檢測(cè)方法。汪京京等從圖像分割、特征提取和分類識(shí)別3個(gè)方面，分別闡述了計(jì)算機(jī)視覺技術(shù)應(yīng)用于農(nóng)作物病蟲害識(shí)別的研究現(xiàn)狀[4]?？碉w龍等對(duì)國(guó)內(nèi)外基于計(jì)算機(jī)視覺技術(shù)的作物病蟲害檢測(cè)方法進(jìn)行了大量研究，并提出一種基于生成對(duì)抗網(wǎng)絡(luò)(GAN)的害蟲檢測(cè)方法，并嘗試將基于深度學(xué)習(xí)的害蟲檢測(cè)方法應(yīng)用于移動(dòng)端APP上，為快速準(zhǔn)確的作物病蟲害識(shí)別提供了技術(shù)支持[5]。針對(duì)不同害蟲具有不同的顏色、形狀、紋理的特點(diǎn)，胡永強(qiáng)等提出了一種將多特征與稀疏表示相融合的害蟲識(shí)別方法[6]。該方法首先提取害蟲紋理、形狀與顏色特征，然后構(gòu)建訓(xùn)練樣本矩陣，最后通過求矩陣最優(yōu)稀疏系數(shù)以實(shí)現(xiàn)害蟲圖像識(shí)別。謝成軍等提出了一種稀疏編碼與空間金字塔模型相融合的害蟲檢測(cè)方法[7]。該方法首先基于圖像構(gòu)建非完備字典，然后利用構(gòu)建的字典進(jìn)行稀疏表示以達(dá)到檢測(cè)的目的。由于作物害蟲圖像的復(fù)雜多樣性和多變性，使得利用以上傳統(tǒng)方法很難提取魯棒性的檢測(cè)特征，限制了這些方法的泛化能力。

近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，它在農(nóng)業(yè)信息處理領(lǐng)域得到了廣泛應(yīng)用，包括作物害蟲檢測(cè)。傅隆生等歸納、梳理和分析深度學(xué)習(xí)在農(nóng)業(yè)信息處理領(lǐng)域的應(yīng)用現(xiàn)狀，并討論深度學(xué)習(xí)在農(nóng)業(yè)信息處理領(lǐng)域的優(yōu)缺點(diǎn)，同時(shí)對(duì)后續(xù)研究進(jìn)行了展望[8]。Thenmozhi 等提出了一種高效的深度CNN模型，在3個(gè)公開的昆蟲數(shù)據(jù)集上對(duì)昆蟲物種進(jìn)行了分類驗(yàn)證，并與深度學(xué)習(xí)模型AlexNet、ResNet、GoogleNet和VGGNet進(jìn)行了比較[9]。結(jié)果表明，所提出的CNN模型比預(yù)訓(xùn)練模型更能有效地對(duì)大田作物中各類昆蟲進(jìn)行分類，可用于農(nóng)業(yè)領(lǐng)域的作物保護(hù)。為了緩解害蟲姿勢(shì)與尺度的變化對(duì)模型性能的影響，張博等提出了一種將空間金字塔池化與CNN相結(jié)合的作物害蟲識(shí)別方法，可實(shí)現(xiàn)較小作物害蟲的高效檢測(cè)[10]。Liu等提出了一種基于改進(jìn)的CNN的害蟲檢測(cè)方法。該方法由模塊通道-空間注意、區(qū)域建議網(wǎng)絡(luò)和位置敏感評(píng)分圖組成，取得了較好的檢測(cè)性能[11]。Wang等建立了1個(gè)大規(guī)模標(biāo)準(zhǔn)化農(nóng)業(yè)害蟲數(shù)據(jù)集Pest24，該數(shù)據(jù)集包含378幅野外害蟲標(biāo)注圖像，并采用多種深度學(xué)習(xí)模型對(duì)提出的害蟲數(shù)據(jù)集進(jìn)行試驗(yàn)[12]。Rahman等提出了一種VGG16和InceptionV3相融合的水稻病蟲害檢測(cè)方法，并與CNN的改進(jìn)模型MobileNet、NasNet mobile和SqueezeNet進(jìn)行了比較[13]。結(jié)果表明，該模型在顯著減小模型尺寸情況下能達(dá)到預(yù)期的93.3%的精度。錢蓉等構(gòu)建了一種基于VGG-16的水稻害蟲檢測(cè)方法[14]。該模型針對(duì)水稻害蟲的特點(diǎn)，調(diào)整VGG-16網(wǎng)絡(luò)的局部結(jié)構(gòu)，并對(duì)模型參數(shù)進(jìn)行優(yōu)化，能對(duì)水稻害蟲進(jìn)行智能識(shí)別。針對(duì)較多方法大多數(shù)存在對(duì)像素之間的關(guān)系提取不充分、模型參數(shù)量大、推理速度慢的缺點(diǎn)，樂毅等提出了一種分段模型與多層注意力機(jī)制相結(jié)合特征關(guān)系提取方法[15]。該方法通過引入注意力機(jī)制以有效降低噪聲，從而提高模型性能。Ayan等利用遷移學(xué)習(xí)對(duì)公開D0數(shù)據(jù)集上的7個(gè)不同的預(yù)訓(xùn)練CNN模型進(jìn)行了重新訓(xùn)練，然后通過對(duì)分類性能較好的模型進(jìn)行最大概率求和策略進(jìn)行集成，最后利用遺傳算法得到最終權(quán)重，在D0數(shù)據(jù)集上的分類準(zhǔn)確率達(dá)到了98.81%[2]。

CNN及其改進(jìn)模型在圖像處理方面取得了顯著效果。試驗(yàn)表明，CNN模型的層次越深得到特征的表達(dá)能力越強(qiáng)，但更深的CNN模型同時(shí)具有較多參數(shù)，在模型訓(xùn)練中易導(dǎo)致過擬合和梯度爆炸等問題，而簡(jiǎn)單、較淺層的CNN模型不能完全學(xué)習(xí)到有效的特征。由于深層CNN的結(jié)構(gòu)更加復(fù)雜，梯度下降算法得到的最優(yōu)解可能是局部最優(yōu)解，所以不能單純地通過加深網(wǎng)絡(luò)提高網(wǎng)絡(luò)的性能[16]。為了克服這些問題，He等提出了一種殘差網(wǎng)絡(luò)(ResNet)架構(gòu)。ResNet解決了增加深度帶來的退化等問題，更容易優(yōu)化，能夠通過增加網(wǎng)絡(luò)深度來提高網(wǎng)絡(luò)性能[17]。

近年來，注意力機(jī)制在基于深度神經(jīng)網(wǎng)絡(luò)的多項(xiàng)視覺任務(wù)中取得了廣泛應(yīng)用[18-19]。在CNN中引入注意力機(jī)制，能夠得到更重要的特征，抑制不重要的特征[20-21]。Zhang等提出了一種注意引導(dǎo)網(wǎng)絡(luò)。該網(wǎng)絡(luò)注意引導(dǎo)濾波器，以更好地保留圖像的結(jié)構(gòu)信息[22]。一般而言，CNN中大卷積核適用于大尺度目標(biāo)檢測(cè)，小卷積核適用于小尺度目標(biāo)檢測(cè)，所以多尺度CNN(MSCNN)模型為多尺度目標(biāo)檢測(cè)提供了最佳解決方案[20，23]。張善文等提出了一種基于多尺度注意力卷積網(wǎng)絡(luò)(MSCNA)的作物害蟲檢測(cè)方法[24]。該方法將多尺度結(jié)構(gòu)和注意力機(jī)制引入到卷積神經(jīng)網(wǎng)絡(luò)(CNN)，用于提取多尺度害蟲檢測(cè)特征，增強(qiáng)對(duì)形態(tài)較小型害蟲的檢測(cè)能力，并在訓(xùn)練過程中引入二階項(xiàng)殘差模塊，減少了網(wǎng)絡(luò)損失和加速網(wǎng)絡(luò)訓(xùn)練。

U-Net模型簡(jiǎn)單，易于訓(xùn)練，更適合小數(shù)據(jù)集，目前廣泛應(yīng)用于醫(yī)療圖像分割等領(lǐng)域[25]。Xu等在U-Net中引入了注意機(jī)制，有效地提高了網(wǎng)絡(luò)的預(yù)測(cè)性能[26]。注意模塊以上采樣的上一級(jí)特征圖和下采樣過程的特征圖作為輸入。Zhao等通過融合U-Net與空間注意力機(jī)制，提出了一種輕量級(jí)模型，并應(yīng)用于gland分割[27]。Ali等提出了一種快速、全自動(dòng)的深度學(xué)習(xí)框架用于左心室分割[28]。該模型結(jié)合ResNet和U-Net的優(yōu)點(diǎn)，提供了可靠的分割結(jié)果。盡管這些U-Net變體性能良好，但它們不可避免地會(huì)使網(wǎng)絡(luò)變得更加復(fù)雜和難以解釋。

由于大田中的害蟲多種多樣，害蟲的大小、形狀、姿態(tài)、位置和顏色差異較大，而且存在復(fù)雜的環(huán)境和背景，害蟲與背景的對(duì)比度降低，一般拍攝的圖像中的害蟲尺寸比較小，所以害蟲檢測(cè)方法研究一直是一個(gè)重要、且具有挑戰(zhàn)性的研究課題。U-Net 是一種典型的、結(jié)構(gòu)簡(jiǎn)單、易于訓(xùn)練的分割。本研究在殘差網(wǎng)絡(luò)、注意力機(jī)制和U-Net的基礎(chǔ)上，提出一種多尺度殘差空間注意力輕量化U-Net模型(MSRSALU-Net)，并應(yīng)用于作物害蟲檢測(cè)。與經(jīng)典的U-Net相比，該網(wǎng)絡(luò)刪除了U-Net的一些塊，在性能和精度提高的同時(shí)極大減少網(wǎng)絡(luò)參數(shù)，由此加快網(wǎng)絡(luò)訓(xùn)練。由于MSRSALU-Net 中的卷積塊包含Inception結(jié)構(gòu)，Inception中有3個(gè)卷積核(1×1、3×3、5×5)對(duì)特征圖進(jìn)行多卷積核特征提取，可以提取圖像的多尺度信息；另外Inception中的3個(gè)卷積核構(gòu)成的局部稀疏矩陣能夠大幅增強(qiáng)模型的運(yùn)算能力，所以加速了模型的收斂。在構(gòu)建的5種常見作物的10種害蟲數(shù)據(jù)集上進(jìn)行試驗(yàn)驗(yàn)證。試驗(yàn)結(jié)果表明，該方法有效可行。

2 材料與方法

2.1 害蟲圖像及其擴(kuò)展圖像

IP102 是一個(gè)大型作物害蟲識(shí)別數(shù)據(jù)集[29]，包含102種害蟲的超過7.5萬(wàn)幅圖像，其中水稻 14種、玉米13種、小麥9種、甜菜8種、苜蓿13種、葡萄16種、柑橘19種、芒果10種，其中有常見農(nóng)作物害蟲的30多萬(wàn)幅害蟲圖像。在IP102具有等級(jí)分類，將主要影響某一特定農(nóng)產(chǎn)品的害蟲被歸為同一上層分類，如圖1-A所示(圖像來源于參考文獻(xiàn)[29-30])，其中FC和EC分別為大田作物和經(jīng)濟(jì)作物。在子類級(jí)別上，只顯示了35個(gè)類，每個(gè)子類的完整列表可以在發(fā)布的IP102數(shù)據(jù)集中找到。每種害蟲都是某個(gè)超類的一個(gè)下級(jí)類，比如稻稈蛆害蟲屬于水稻作物害蟲類，所以在IP102的分類系統(tǒng)中，稻稈蛆亞類具有水稻和大田作物的超類。數(shù)據(jù)集的構(gòu)建過程為利用常見的圖像搜索引擎在害蟲的整個(gè)生命周期內(nèi)收集每一幅圖像，通過查詢進(jìn)行弱標(biāo)記，然后由志愿者進(jìn)行檢查，以確定與害蟲的相關(guān)性，然后農(nóng)業(yè)專家進(jìn)一步檢查和標(biāo)注蟲害圖像的類別標(biāo)簽或邊界框。在該數(shù)據(jù)集中，屬于同一類別的害蟲圖像可能捕捉到同一類型害蟲的不同生長(zhǎng)形態(tài)。一些圖像示例如圖1-B所示。

IP102數(shù)據(jù)集的一個(gè)特性是圖像種類分布不均勻，例如水稻的亞洲大米蟲和薊馬害蟲的圖像數(shù)分別為1 053、173幅。為了避免模型過擬合，增強(qiáng)泛化和最終識(shí)別結(jié)果，對(duì)害蟲種類中少于600幅的害蟲圖像集進(jìn)行圖像旋轉(zhuǎn)、縮放、裁剪和雙線性插值等數(shù)據(jù)增強(qiáng)操作，增加圖像數(shù)。圖1-C為該圖中第一幅圖像的20幅擴(kuò)展圖像。為了減少網(wǎng)絡(luò)的訓(xùn)練計(jì)算量，首先刪除了1/3的重復(fù)或損壞的圖像；然后將每幅圖像的大小統(tǒng)一調(diào)整為512×512×3像素，保存為JPEG格式；最后，為每幅圖像生成包含邊界框和每種害蟲類別的注釋文件。考慮到本研究圖像用于害蟲檢測(cè)任務(wù)，所以僅利用IP102數(shù)據(jù)集中的14種水稻害蟲圖像8 415幅和9種小麥害蟲圖像1 532幅圖像進(jìn)行試驗(yàn)，對(duì)于圖像數(shù)小于500幅的害蟲圖像數(shù)，利用擴(kuò)展算法擴(kuò)展為500幅，共得到12 040幅圖像組成一個(gè)數(shù)據(jù)集記為IP23，表示23種害蟲圖像集。

2.2 方法

2.2.1 U-Net模型 U-Net是一個(gè)對(duì)稱的U形網(wǎng)絡(luò)，其架構(gòu)如圖2所示，左側(cè)為收縮網(wǎng)絡(luò)即編碼網(wǎng)絡(luò)，用于從圖像中提取空間特征；右側(cè)為擴(kuò)展網(wǎng)絡(luò)即解碼網(wǎng)絡(luò)，用于構(gòu)造分段映射編碼的特性；中間為跳過連接，用于連接底層和高層特征圖譜通過編碼和解碼的過程。U-Net中的卷積層采用標(biāo)準(zhǔn)卷積計(jì)算，可分為2部分：首先對(duì)輸入特征圖進(jìn)行卷積濾波，然后將卷積濾波后的結(jié)果組合成輸出特征圖。

收縮網(wǎng)絡(luò)由5個(gè)卷積模塊組成，每個(gè)模塊2個(gè)卷積、1個(gè)ReLU激活和1個(gè)最大池化操作組成，最大池化層對(duì)輸入進(jìn)行2倍采樣。在擴(kuò)展網(wǎng)絡(luò)中，每個(gè)塊從1個(gè)轉(zhuǎn)換卷積層開始，每個(gè)特征圖的高度和寬度加倍，但特征圖的數(shù)量減少2倍。在每個(gè)轉(zhuǎn)換卷積層之后，應(yīng)用2個(gè)卷積層來減少特征圖的數(shù)量。最后1層是卷積層，卷積核大小為1×1、個(gè)數(shù)為2，適用于圖像的像素級(jí)2類分割情況[31]。

2.2.2 多尺度殘差空間注意力輕量化U-Net模型 U-Net是一種被廣泛應(yīng)用于圖像分割與檢測(cè)的深度學(xué)習(xí)架構(gòu)，在訓(xùn)練樣本數(shù)量有限的情況下，基于U-Net的圖像分割方法表現(xiàn)出了良好的性能。但該方法不適用于作物害蟲檢測(cè)，因?yàn)閁-Net不能有效檢測(cè)變化多樣的、大小不一的多尺度害蟲，而且U-Net需要訓(xùn)練的參數(shù)較多，因此訓(xùn)練速度比其他分割網(wǎng)絡(luò)模型較慢。經(jīng)典U-Net的網(wǎng)絡(luò)參數(shù)有3 100多萬(wàn)個(gè)，對(duì)于基于梯度下降法的網(wǎng)絡(luò)訓(xùn)練來說，對(duì)如此多的參數(shù)進(jìn)行訓(xùn)練微調(diào)比較耗時(shí)。本節(jié)將結(jié)合Inception多尺度特征提取、殘差網(wǎng)絡(luò)、注意力機(jī)制和U-Net的優(yōu)點(diǎn)，考慮到輕量化的需求，在U-Net的架構(gòu)上構(gòu)建一種多尺度殘差空間注意力輕量化U-Net模型(MSRSALU-Net)，用于作物害蟲檢測(cè)。其架構(gòu)如圖3-A所示：每個(gè)黑色的右箭頭表示與大小為3×3的卷積核的卷積，每個(gè)藍(lán)色框旁邊和上面的數(shù)字分別表示特征圖的大小(高、寬)和數(shù)量，向下紅色箭頭是最大池化層，大小為2×2、步長(zhǎng)為2×2，特征圖的大小減半。MSRSALU-Net的網(wǎng)絡(luò)參數(shù)有約2 300萬(wàn)個(gè)，與 U-Net 相比減少了25.81%。

在經(jīng)典的U-Net及其一些改進(jìn)的模型中，只是簡(jiǎn)單地對(duì)圖像的卷積層進(jìn)行疊加，在底層采用較小的卷積核而在高層采用較大的卷積核，增加網(wǎng)絡(luò)深度，由此不僅増大了計(jì)算量，而且容易導(dǎo)致梯度消失的問題。在MSRSALU-Net中，在卷積模塊中使用多尺度卷積Inception結(jié)構(gòu)(圖3-B)，對(duì)于不同的支路采用不同尺度的卷積核，各支路中不同的感受野提取具有多尺度的圖像特征，由此增加網(wǎng)絡(luò)的寬度和網(wǎng)絡(luò)對(duì)多尺度目標(biāo)的適應(yīng)性。為了加速網(wǎng)絡(luò)收斂，在卷積模塊中利用殘差網(wǎng)絡(luò)(ResNet)的跳躍連接方式，使深度網(wǎng)絡(luò)能夠提取包含更多圖像信息的特征。DropBlock是dropout的一種結(jié)構(gòu)化變體，將DropBlock引入卷積塊，能夠有效防止網(wǎng)絡(luò)過擬合問題。根據(jù)分析，設(shè)計(jì)MSRSALU-Net中的卷積模塊結(jié)構(gòu)(圖3-C)。與經(jīng)典的U-Net中擴(kuò)展網(wǎng)絡(luò)的轉(zhuǎn)換卷積塊類似，設(shè)計(jì)MSRSALU-Net中的轉(zhuǎn)換卷積塊(圖3-D)。

ResNet由一些堆疊的殘差塊組成，每個(gè)殘差塊的一般表示為：

yi=F(xi，wi)+h(xi)
xi+1=σ(yi)

。

(1)

式中：xi和xi+1表示當(dāng)前殘差塊的輸入和輸出；σ(yi)為激活函數(shù)；F(·)為殘差函數(shù)；h(xi)為恒等映射函數(shù)，通常為h(xi)=xi。

Ibtehaz等在MultiresuNet中用于減小收縮路徑特征層與擴(kuò)張路徑特征層之間存在的語(yǔ)義間隔[32]，每個(gè)Respath由若干個(gè)殘差卷積塊組成(圖3-E)。在MSRSALU-Net中利用Respath連接收縮路徑特征層與擴(kuò)張路徑特征層，收縮路徑的特征層經(jīng)過Respath后與對(duì)應(yīng)擴(kuò)張路徑的特征層進(jìn)行級(jí)聯(lián)，經(jīng)過Respath后的特征層的空間尺寸和通道數(shù)保持不變。若輸入輸出通道數(shù)不同，可以采用1×1卷積來壓縮或擴(kuò)大通道數(shù)。

(2)

式中：f1×1表示卷積核為1×1的卷積操作；σ(·)為Sigmoid激活函數(shù)。

3 結(jié)果與分析

為了驗(yàn)證所提出的MSRSALU-Net的有效性，在構(gòu)建的作物害蟲圖像數(shù)據(jù)庫(kù)上進(jìn)行試驗(yàn)，并與4種結(jié)構(gòu)相似的模型進(jìn)行比較：U-Net[25]、注意力 U-Net(AU-Net)[26]、MultiResUNet[32]，都是由編碼器模型和解碼器模型組成的體系結(jié)構(gòu)。其中AU-Net、MultiResUNet為2種比較突出的U-Net改進(jìn)模型：AU-Net將注意力機(jī)制應(yīng)用于U-Net分割模型中，關(guān)注顯著性區(qū)域，抑制無(wú)關(guān)背景區(qū)域；MultiResUNet將U-Net的2個(gè)3×3的卷積替換為3×3和7×7卷積與5×5卷積并行合并，使用了多分辨率思路替換傳統(tǒng)卷積層，再利用Respath替換了U-Net中的簡(jiǎn)單跳過連接。

3.1 試驗(yàn)設(shè)置

工作站試驗(yàn)系統(tǒng)環(huán)境為Ubuntu，其配備為 Xeon? CPU E5-2650 v4 @ 2.20 GHz，顯卡型號(hào)為NVIDIA Tesla P100。NVIDIA Tesla P100擁有3 584個(gè)CUDA核、HBM2內(nèi)存16 GB、核心頻率 1 328 MHz，浮點(diǎn)性能為10.6 TFLOPS?；赨-Net的改進(jìn)模型在Caffe深度學(xué)習(xí)框架中實(shí)現(xiàn)。試驗(yàn)時(shí)，每幅輸入圖像大小被固定為512×512，優(yōu)化器使用Adam，初始學(xué)習(xí)率為0.001，權(quán)重衰減為1×10-4，動(dòng)量為0.9，迭代次數(shù)為3 000，迭代時(shí)如果模型在驗(yàn)證集上的損失上升，則學(xué)習(xí)率改為原來的50%。

將IP23圖像集中的所有12 040幅圖像按照 6∶4 的比例隨機(jī)分成2個(gè)子集，進(jìn)行作物害蟲檢測(cè)試驗(yàn)，其中7 224幅圖像用于訓(xùn)練模型，剩余的 4 816 幅圖像用于測(cè)試模型。在試驗(yàn)中，分多批進(jìn)行模型訓(xùn)練，每批使用50幅圖像。通過對(duì)重疊patch上得到的類別標(biāo)簽的多數(shù)投票來決定害蟲圖像像素的類別。采用精確率(Pre)、召回率(Rec)、F1-Score(F1)作為模型的評(píng)價(jià)指標(biāo)，分別計(jì)算如下：

(3)

式中：TP表示真陽(yáng)性數(shù)；FP表示假陽(yáng)性數(shù)；FN表示假陰性數(shù)。Pre為檢測(cè)為正的樣本且標(biāo)簽為正樣本的比例，Rec為正樣本中被檢測(cè)結(jié)果為正樣本的比例，F(xiàn)1則為Rec與Pre的權(quán)重調(diào)和值。

3.2 試驗(yàn)結(jié)果

一個(gè)害蟲圖像在MSRSALU-Net的收縮模型中3個(gè)不同卷積層的部分卷積特征如圖4所示。

卷積特征(圖4)表明，MSRSALU-Net能夠捕獲害蟲的細(xì)節(jié)信息，低級(jí)卷積特征圖包含了害蟲的基本輪廓特征，而高級(jí)卷積特征包含了害蟲的細(xì)節(jié)特征，卷積模型的不同卷積核能夠?qū)W習(xí)圖像的不同特征，關(guān)注圖像的不同部分，能夠充分提取各自關(guān)注部分圖像的顯著區(qū)域。從圖4-B和圖4-C看出，卷積特征圖沒有明顯的銳化邊緣，這是因?yàn)樵贛SRSALU-Net中引入了ReLU+DropBlock，能使模型更關(guān)注害蟲區(qū)域且抑制其他特征的影響。從圖4-D可以看出，特征圖中害蟲區(qū)域比較集中，第3卷積模塊能夠提取圖像的深層次特征。

為了觀察MSRSALU-Net的收斂性能，在構(gòu)建的數(shù)據(jù)集上進(jìn)行了大量試驗(yàn)，并將其與U-Net[25]、注意力U-Net(AU-Net)[26]、MultiResUNet[32]進(jìn)行比較。4種模型的損失值隨迭代次數(shù)的變化情況見圖5。

從圖5可以看出，4種模型的損失值在第1 000次迭代前都迅速下降，在第1 500次迭代后趨于平穩(wěn)，經(jīng)過2 000次迭代后MSRSALU-Net就達(dá)到了收斂效果。此時(shí)，MSRSALU-Net的內(nèi)存為 2.47 GB，訓(xùn)練時(shí)間為4.35 h，測(cè)試時(shí)間為1.64 s?？偟膩碚f，MSRSALU-Net的性能優(yōu)于其他3個(gè)模型，因?yàn)榭赡苁窃贛SRSALU-Net中引入了多尺度Inception卷積、Respath連接和注意力機(jī)制，加快了MSRSALU-Net的訓(xùn)練速度，提高了MSRSALU-Net的收斂性能和檢測(cè)精確率；MultiResUNet優(yōu)于AUNet，因?yàn)樗昧薘espath而不是跳過U-Net的連接；AU-Net優(yōu)于U-Net，因?yàn)樗鼘?duì)收縮模型每個(gè)通道的特征經(jīng)過注意力，能夠提取與學(xué)習(xí)任務(wù)有關(guān)的特征。

為了公平比較4個(gè)模型的性能，將迭代次數(shù)為3 000次時(shí)的模型作為訓(xùn)練好的模型，重復(fù)訓(xùn)練樣本與測(cè)試樣本的6∶4試驗(yàn)100次，得到穩(wěn)定可靠的平均檢測(cè)結(jié)果(表1)。

表1 基于4種模型的作物害蟲檢測(cè)方法的檢測(cè)結(jié)果

為了評(píng)估MSRSALU-Net的整體性能，在構(gòu)建的數(shù)據(jù)集上給出基于4種模型的作物害蟲檢測(cè)結(jié)果。所選擇的訓(xùn)練好的模型也是迭代次數(shù)為3 000次時(shí)的模型，檢測(cè)到的害蟲圖像見圖6。5個(gè)訓(xùn)練模型的一些具有代表性的RSIs及其對(duì)應(yīng)的檢測(cè)性能見圖6，涉及多尺度、小型害蟲、簡(jiǎn)單背景和復(fù)雜背景。

從圖6可以看到，U-Net可以檢測(cè)害蟲，但卻錯(cuò)過一些小型害蟲，不能有效地檢測(cè)復(fù)雜背景下的小型害蟲，也出現(xiàn)明顯的誤分割現(xiàn)象；AU-Net的檢測(cè)效果比U-Net好，能夠檢測(cè)出害蟲的位置，但對(duì)細(xì)小型害蟲部分的分割效果較差；MultiResUNet的檢測(cè)效果比U-Net、AU-Net好，但該模型對(duì)于復(fù)雜背景下分割的害蟲完整性較差，出現(xiàn)一些噪聲像素點(diǎn)；MSRSALU-Net不僅在害蟲和背景檢測(cè)方面優(yōu)于其他比較模型，能夠完整分割出害蟲圖像中的害蟲區(qū)域，而且分割后的害蟲形狀比較完整，對(duì)較小型害蟲的分割效果較好。原因是該模型在卷積模塊中引入了多尺度卷積和空間注意力機(jī)制，并采用了修改的Respath連接。

從圖5、圖6、表1可以看出，除了MSRSALU-Net外，其他3種模型都存在誤檢小型害蟲情況，其中U-Net比較嚴(yán)重，AU-Net由于注意機(jī)制優(yōu)于 U-Net，而MultiResUNet對(duì)小型害蟲的誤檢現(xiàn)象較小。MSRSALU-Net優(yōu)于其他方法，主要原因是該模型引入了Respath、多尺度卷積和空間注意力機(jī)制以及DropBlock的卷積層正則化。在特征提取階段，利用卷積后的加權(quán)特征代替?zhèn)鹘y(tǒng)特征進(jìn)行殘差融合，在訓(xùn)練過程中利用空間注意機(jī)制減少信息丟失，且加快了模型訓(xùn)練收斂速度。

4 結(jié)論

及時(shí)準(zhǔn)確檢測(cè)農(nóng)業(yè)害蟲是作物蟲害精確防治的前提。由于田間害蟲種類多，相同害蟲的大小和形態(tài)的多樣性以及復(fù)雜的田間背景，使得田間作物害蟲智能檢測(cè)是一個(gè)具有挑戰(zhàn)性的課題。在U-Net架構(gòu)基礎(chǔ)上，將多尺度卷積、空間注意力機(jī)制和殘差模塊相結(jié)合，提出了一種多尺度殘差空間注意力輕量化U-Net模型，并應(yīng)用于多尺度作物害蟲檢測(cè)。在害蟲圖像數(shù)據(jù)集上進(jìn)行試驗(yàn)，結(jié)果表明，該模型能實(shí)現(xiàn)作物害蟲精準(zhǔn)檢測(cè)，其檢測(cè)精度達(dá)到95%以上?；谠撃Ｐ偷淖魑锖οx檢測(cè)方法可應(yīng)用于作物害蟲的自動(dòng)檢測(cè)系統(tǒng)中。

在作物害蟲防治過程中，需要確定害蟲的類別。下一步的研究重點(diǎn)是利用形態(tài)學(xué)優(yōu)化層對(duì)檢測(cè)后的害蟲圖像進(jìn)行優(yōu)化，再結(jié)合害蟲類別識(shí)別方法，研究有效可行的大田作物害蟲檢測(cè)與識(shí)別系統(tǒng)。