基于改进CenterNet的农作物害虫智能检测算法

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：廖晓娟;刘雷;唐锡雷

单位：1.重庆科创职业学院人工智能学院，重庆 402160； 2.西安电子科技大学通信学院，陕西西安 710126

摘要：针对农业领域中害虫检测自动化程度低、传统深度学习检测算法计算复杂度高、难以部署于资源受限设备的问题，提出一种轻量化改进型CenterNet的害虫检测算法。该方法采用轻量级MobileNet v3替代原有的ResNet-50作为主干网络，显著降低参数量；引入深度可分离卷积的PANet作为特征提取网络，有效融合多尺度特征信息；集成SimAM注意力机制增强关键害虫特征的表达能力；采用SiLU激活函数替换传统ReLU函数，提升网络非线性学习能力。此外，设计CPAN-ASFF特征融合模块，对多尺度特征图进行自适应整合，进一步提升微小目标与形态相似害虫的检测精度。在IP102农作物害虫数据集上的验证结果表明：改进算法的平均精度达到98.3%，较原始CenterNet提升3.5百分点；检测速度为58 帧/s，满足实时性要求；模型参数量仅为7.86 M，减少74.8%，同时在密集分布、形态相似及微小目标害虫的检测上表现优异。交叉验证测试显示，该方法在多种农作物害虫场景中均优于主要检测算法。

关键词：农作物害虫检测;CenterNet;目标检测;无先验框;轻量化网络