一种多尺度视觉-传感器协同框架，用于小型害虫（昆虫）的管理 王崇宇、 陈一成、 陈尚山、 陈冉冉、 夏子琪、 胡若宇、 宋一红

《Insects》：A Multi-Scale Vision–Sensor Collaborative Framework for Small-Target Insect Pest Management Chongyu Wang, Yicheng Chen, Shangshan Chen, Ranran Chen, Ziqi Xia, Ruoyu Hu and Yihong Song

多目标视觉-传感器协同框架有效整合视觉与环境数据，通过多尺度特征提取和环境先验调制提升小害虫检测精度，实验显示其准确率达93.1%并优于传统方法。

　　

简单总结

小型害虫由于体型微小、背景复杂以及对外部环境条件的高度依赖性，给智能农业监测带来了巨大挑战。为了解决这些问题，本研究提出了一种多尺度视觉-传感器协作框架，该框架将视觉图像与环境感知数据相结合，以实现精准的害虫识别。该模型首先通过多尺度视觉表示学习捕捉害虫的详细特征，然后引入温度、湿度和光照等环境因素作为先验信息，以指导特征区分。进一步设计了一种协作融合机制，以提高跨模态一致性并增强分类的鲁棒性。在从农田和温室环境中收集的真实多模态害虫数据集上进行的实验表明，所提出的方法取得了93.1%的准确率、92.0%的精确度、91.2%的召回率和91.6的F1分数，优于传统的机器学习和单模态深度学习方法。这些结果表明，将生态感知与计算机视觉相结合可以为早期害虫检测和精准农业管理提供可靠的技术途径。

摘要

在复杂的农业生产环境中，小型害虫（具有体型微小、背景干扰强且对环境条件依赖性高的特点）给精准监测和绿色害虫控制带来了重大挑战。为了促进从经验驱动向数据驱动的害虫管理转变，本研究提出了一种适用于田间和保护性农业场景的多尺度视觉-传感器协作识别方法，以提高在复杂条件下的小型害虫识别准确性和稳定性。该方法联合建模了多尺度视觉表示和害虫生态机制：多尺度视觉特征模块在深度网络中增强了小型目标的细粒度纹理和形态特征，减轻了特征稀疏性和尺度不匹配问题；同时，环境传感器数据（包括温度、湿度和光照）被作为先验信息引入，以调节视觉特征，并将生态约束明确纳入区分过程。通过视觉-传感器协作区分模块实现了稳定的多模态融合和害虫类别预测。在内蒙古自治区巴彦淖尔市临河区收集的真实农田和温室环境的多模态数据集上的实验表明，所提出的方法在测试集上取得了约93.1%的准确率、92.0%的精确度、91.2%的召回率和91.6的F1分数，显著优于传统的机器学习方法、单尺度深度学习模型以及没有环境先验的多尺度视觉基线方法。类别级别的评估显示，该方法在蚜虫、蓟马、白粉虱、叶蝉、红蜘蛛和叶甲等多种小型害虫上表现均衡；消融实验进一步证实了多尺度视觉建模、环境先验调节和视觉-传感器协作区分的关键作用。