基于DCP-ShuffleNetV2的轻量级森林害虫识别方法

来源：中国农机化学报杂志2025年第1期北京时间：

作者：高天赐, 王克俭, 陈晨, 韩宪忠, 王超, 李会平,

单位：1. 河北农业大学信息科学与技术学院，河北保定，071001； 2. 河北省城市森林健康技术创新中心，河北保定，071001；3. 河北农业大学林学院，河北保定，071001

摘要：针对现有害虫识别模型复杂度高、计算量和参数量巨大的问题，提出一种基于DCP-ShuffleNetV2的轻量级森林害虫识别模型。该模型主要从特征提取、特征融合、轻量化方面进行改进。首先通过引入金字塔分割注意力模块PSA提取多尺度的空间信息和跨通道依赖关系，有效地学习上下文信息；其次将基准网络模型ShuffleNetV2的Stage模块修改为CSP结构，增强特征融合能力；将模型的普通卷积替换为动态卷积，压缩模型参数量和计算量。试验以雄安新区“千年秀林”害虫为研究对象，构建30类常见害虫数据集。结果表明，改进后的DCP-ShuffleNetV2模型在自制的Forest30数据集上的害虫识别准确率是92.43%，模型参数量、计算量和内存大小分别是0.13 M、24.53 M和9.53 MB，相比于基准网络模型，识别准确率提升3.11%，参数量、计算量和内存大小分别减少62.83%、42.48%和15.13%。与目前常用的分类模型相比，识别准确率平均提高5.39%，模型参数量、计算量和内存大小平均减小14.32 M、1 035.80 M和35.98 MB。

关键词：害虫识别,DCP-ShuffleNetV2,注意力机制,CSP结构,特征提取

基金资助：国家自然科学基金项目（32171799）；河北省林业和草原局科学计划项目（2001023）