基于改进RT—DETR的棉田昆虫检测算法

来源：中国农机化学报杂志2026年第2期北京时间：

作者：陈康, 陈琳

单位：1.长江大学计算机科学学院，湖北荆州，434023； 2.长江大学人工智能科研平台，湖北荆州，434023

摘要：针对当前棉田昆虫检测面临准确率不足、漏检和误检频发的问题，提出一种基于改进RT—DETR的棉田昆虫检测算法。首先，使用WTConv替换残差块中的第2个传统卷积，在保持较少可训练参数的前提下，显著增加感受野，使模型能够更好地聚焦于小目标的检测;然后,引入M2SA模块，采用双分支结构来提取全局特征和通道信息，从而提升模型对复杂场景的理解和对小目标的检测精度;最后,在跨尺度特征融合阶段提出小目标优化金字塔（STOP），通过高效学习全局与局部特征，提升小目标检测效果。结果表明，改进后的RT—DETR平均精度均值达到95.4%，相比于原RT—DETR模型提升8.9个百分点，同时改进后的模型参数量为12.1 M，计算量为42 G，相比于原模型分别降低36%和26%。经过改进的RT—DETR模型显著提高棉田昆虫检测的准确率，为精准管理和防治棉田害虫提供一种高效的识别手段。

关键词：棉田昆虫,目标检测,RT—DETR,小波变换卷积

基金资助：中国高校产学研创新基金(2020ITA03012)