基于图像的昆虫目标检测研究进展

来源：环境昆虫学报杂志2025年第6期北京时间：

作者：张 琦，石 祥，罗 晨，胡祖庆

单位：西北农林科技大学植物保护学院 农业农村部西北黄土高原作物有害生物综合治理重点实验室

摘要：物种种类识别与计数是田间昆虫目标检测的重要内容，其对害虫的监测预警及科学防控具有重要意义。传统人工识别昆虫种类和计数的方法效率低，难以应对田间昆虫种类的多样性，且无法满足智慧化农业对害虫防控工作的需要。随着计算机与互联网技术的快速发展，昆虫目标检测手段逐渐智能化、精准化。基于图像的昆虫目标检测方法凭借其高效、易操作、适用范围广等优势，成为近年来国内外昆虫种类识别与计数研究热点和主要技术手段。本文综述了传统目标检测算法特征提取技术和分类器；详述了基于锚框（Anchor based）深度学习目标检测模型，如YOLO（You only look once）系列、SSD（Single shot multibox detector）系列等；介绍了无锚框（Anchor free）深度学习目标检测模型，如CornerNet系列等。本文还探讨了基于图像的昆虫目标检测存在的问题及未来的研究方向。

关键词：昆虫,目标检测,图像识别,计数,检测模型,

基金资助：陕西省重点产业创新链（群）—农业领域项目（2024NC-ZDCYL-05-06）；陕西省重点研发计划（2023-YBNY-072）；西北农林科技大学试验示范站（基地）科技创新与成果转化项目（TGZX2021-36）