分享：第十届“泰迪杯”数据挖掘挑战赛优秀作品--A1-基于深度学习的农田害虫定位与识别研究（一）

中国是世界范围内的农业大国，耕地面积广大，占世界耕地面积的 7%，每年粮食 产量可达 1.3 万亿斤以上，但是我国仍需要每年从外国进口大量大豆、玉米等农作物粮 食，所以粮食产量现在对我们来说仍然十分重要。然而，农作物病虫害却深深地损害 着农业的发展，是我国主要农业灾害之一，农作物在遭受病虫害之后，其整体生理机 能会大大下降，从而导致植株瘦小，无法达到最优生产状态，进而会产量不高、经济 效益低。农作物病虫害具有种类多、影响大、并时常暴发成灾的特点，对我国的国民 经济和农业生产造成重大损失。农作物常见的有以下种类的病虫害：稻飞虱、小麦锈 病、棉蚜、稻纹枯病、稻瘟病、蝗虫、麦类赤霉病等，并且已成为严重影响我国农业 生产的重大病虫害。

目前针对农作物害虫的处理，还是基于人工的判断，这往往可能病虫害已经在范 围内发作，并不能及时的进行病虫害的防治。除此之外，一些病虫害的识别往往需要 很高的专家知识，对于经验较少的农民并不能准确发现和判断病虫害种类，由此可能 造成农药的滥用和误用，以及农作物中会产生农药残留，影响农田的生态环境。由于 农作物害虫的多样性和复杂性，简单的人工检测方式已经很难满足现代化农业科技发 展的需求。

为此，随着目前农业科学技术的发展，各种崭新技术已经渐渐融入到日常的农业 生产之中，能够最大程度减少人工检测这类繁琐操作，并且效率高，可以很及时的进 行病虫害的警告和分析。尤其是人工智能深度学习领域，目标检测相关算法更能很好 的结合到病虫害的检测和识别之中，是大规模农业生产虫害预防的有效手段。

1.2 问题分析 基于虫情测报灯的虫情信息采集，为深度学习提供了所必须的大数据训练基础， 虫情测报灯可以在无人监管的情况下，实现自动的诱集、杀虫、虫体分散、拍照等作 业，可以通过照片的形式采集出当前可能出现的病虫害的种类和病虫害的严重程度， 如图 1-1 所示：

从图 1-1 中我们可以看到虫情测报灯的虫情信息采集到的照片，在白色背景下能 够直接的看到害虫所在位置，