近日，基因组所农业昆虫基因组学创新团队提出一种针对普通昆虫幼虫的两阶段害虫分割策略，该方法结合对象检测和语义分割技术，解决了田间害虫在线自动识别技术在户外复杂环境下识别害虫准确率不高的难题，为昆虫幼虫的自动识别提供了可靠的参考，有助于开发更精确、更高效的害虫防治系统。相关研究成果以封面文章形式发表在《农业科学学报（Journal of Integrative Agriculture）》上。

田间害虫在线自动识别技术是农田害虫防治的重要辅助手段。在实际应用中，由于目标小、物种相似性高、背景复杂等因素，昆虫在线识别系统的准确率会受到严重影响。为解决这一问题，研究人员需要在进行图像分类之前，对待检测目标进行尽可能完整的分割。

该研究在分析农田害虫防治背景的基础上，建立了一个包含9种常见害虫的图像语义分割数据集，并采用4种数据增强方法平衡数据集中简单背景和复杂背景样本的数量；改进了一种轻量化的语义分割算法，以满足真实场景下的移动应用需求；设计了一种两阶段的害虫分割网络框架，并通过针对性实验验证了其有效性。

两阶段语义分割算法MRUNet，在结构上借鉴了Mask R-CNN在语义分割前进行目标检测的做法。在具体操作上，MRUNet构建了Faster R-CNN目标检测模型进行幼虫目标检测；对目标检测获得的位置信息进行针对性调整并用于在原始高分辨率图像中截取样本图像片段；最终对获得的主要包含害虫幼虫的图像片段采用基于改进MobileNet的轻量级UNet算法进行语义分割。在定量实验、定性分析和统计分析中，所提出的MRUNet算法在分割精度和模型稳定性等方面表现均优于其它算法。

图 | 两阶段害虫分割策略定位草地贪夜蛾

研究结果表明，两阶段分割策略能够有效处理复杂背景下的小目标分割问题，与单阶段模型相比分割效果显著提升。该方法可为害虫幼虫识别提供高质量的图像数据，为以害虫为代表的复杂背景下小目标的分割研究提供有效参考。

基因组所和广西大学联培硕士生王?？?，广西大学副教授黄亦其为论文的共同第一作者?；蜃樗蚯垦芯吭?、乔曦副研究员为该论文的共同通讯作者。该研究得到国家重点研发计划，广西自然科学基金，深圳市科技创新计划的资助。

原文链接：https://doi.org/10.1016/j.jia.2022.09.004