敬请关注 YOLO Vision 2025!
2025年9月25日
英国夏令时 10:00 - 18:00
混合活动
Yolo Vision 2024

用于害虫防治的目标检测

Mostafa Ibrahim

4 分钟阅读

2024年9月18日

了解 Ultralytics YOLOv8 如何增强农业害虫检测的人工智能,保护作物并最大限度地减少农业损失。

每年,全球近 40% 的作物因病虫害而损失,这突显了世界各地农民面临的严峻挑战。传统害虫检测方法(如人工侦察和粘虫板)通常无法及早发现虫害,从而导致更多损害,威胁粮食供应,并增加农药的使用,而农药可能对环境和人类健康造成危害。人工智能驱动的害虫管理通过提供早期检测和更有针对性的治疗方法,提供了一种有希望的解决方案。

为了应对这些挑战,农业 正在采用先进技术,例如农业中的 计算机视觉,以改变害虫的检测和管理方式。诸如 Ultralytics YOLOv8 之类的尖端 目标检测 模型使用 AI 架构来帮助农民更准确地识别害虫,从而更好地保护他们的作物。

在本博客中,我们将探讨计算机视觉如何在害虫检测中发挥作用,以及使用 YOLOv8 等模型如何为农业带来创新。我们将介绍农业害虫管理的优势、挑战以及未来发展方向。

计算机视觉如何在害虫检测中发挥作用?

农业部门需要不断监测作物,以确保它们健康且未受到病虫害或环境因素的破坏。这使得农民不得不与从天气条件到害虫的各种因素作斗争。在与害虫的斗争中,传统方法常常不足,这可能导致作物损失。这就是人工智能 (AI) 和计算机视觉可以介入的地方,为农场的日常工作流程带来尖端解决方案。 

通过将计算机视觉模型集成到高分辨率相机中,农民可以自动监测田地,使用实时图像和视频分析来检测昆虫、评估作物健康状况并识别潜在威胁。这些系统分析镜头以发现模式,根据先前训练的数据集识别昆虫。

通过使用诸如 目标检测分类 等技术,计算机视觉可以比以往任何时候都更有效地识别和管理害虫。前者需要检测图像或视频中害虫的存在和确切位置,而后者涉及将识别出的害虫分类为特定物种或类型。总之,这些技术可以实现更精确和有针对性的害虫管理策略。

话虽如此,让我们更深入地了解这些 任务 如何在检测和分类害虫方面发挥作用。

目标检测 可用于查找图像中的害虫并确定其确切位置。当您需要快速扫描田地或温室并确定害虫的位置以便进行适当处理时,它会很有帮助。例如,目标检测可用于发现害虫活动频繁的区域,从而采取有针对性的行动。

图 1. Ultralytics YOLOv8 检测图像中的害虫。

分类:在检测到昆虫后,分类有助于准确识别它们是什么物种的害虫。例如,可以对计算机视觉模型(如 YOLOv8)进行大量 数据集 训练,以识别不同的昆虫物种。这将帮助农民确定哪些农药更有效,帮助他们做出更明智的决策,从而减少作物损害和化学品的使用。

图 2. Ultralytics YOLOv8 对图像中的害虫进行分类。

智能温室如何使用计算机视觉进行早期害虫检测

计算机视觉还可以应用于较小的区域,例如温室。事实上,智能温室正在通过使用计算机视觉和人工智能密切监测作物并实时检测害虫来改变室内农业。在这些温室中,高分辨率摄像头安装在植物周围,不断捕捉作物的实时图像。然后,经过预训练的计算机视觉模型会分析这些图像,并能够及早发现害虫,从而使农民能够在害虫造成重大损害之前迅速采取行动。

一个很好的实际例子体现在使用机器学习在温室中进行病虫害早期检测研究中。在该系统中,摄像头遍布整个温室,并使用人工智能技术从图像中识别害虫。该系统无需等待害虫侵扰的明显迹象,而是在害虫出现在摄像头视野中时立即检测到它们。当它发现昆虫时,会向农民发出警报,帮助他们阻止虫害蔓延。

该系统在识别某些类型的害虫方面表现出很高的准确性,经过训练后,某些物种的准确率高达 99%。但是,它难以识别形状或大小异常或位置不正常的害虫。通过使用这项技术,农民仍然可以减少农药的使用量,更有效地保护农作物,并实践更可持续的耕作方式。

图 3. 预训练的 YOLOv8 模型检测并分类甲虫,并带有置信度评分。图片来自作者。

人工智能在农业中的优势

计算机视觉正在极大地改变农民处理害虫的方式,它提供了一些极大的优势,使害虫防治更加容易和有效。以下是在该领域中使用这项技术的两个主要优势。

通过早期检测防止害虫蔓延

计算机视觉可以及早发现害虫,甚至在它们造成明显损害之前。这种早期检测使农民能够迅速采取行动,防止虫害蔓延到更大的区域。 

通过在害虫数量仍然很低时捕获它们,农民可以将重点放在特定区域的治疗上,这有助于减少农药的总体使用量。这种方法还有助于保护对健康作物很重要的有益昆虫,并支持综合虫害管理 (IPM) 策略,从而使虫害防治更加高效和环保。

减少农药用量 

在区分不同的害虫种类(即使是那些看起来相似的害虫,如不同类型的蚜虫或螨虫)时,计算机视觉是一个有价值的工具。这种准确性至关重要,因为某些害虫可能对某些农药具有抗药性,而另一些害虫可能对天然防治方法反应更好。 

通过准确了解他们正在处理的害虫,农民可以选择正确的处理方法并调整化学品的使用。从长远来看,这种有针对性的方法可以降低害虫对农药产生抗药性的可能性,并有助于确保环境更安全,同时确保有效的害虫防治。

人工智能在害虫防治中的挑战

即使使用计算机视觉进行害虫检测具有很大的优势,但仍然存在一些需要解决的挑战。让我们看看可能影响其性能的一些主要缺点。

对不同环境的适应性

使用计算机视觉模型进行害虫检测的一个挑战是使它们能够很好地适应不同的环境。不同的作物可能看起来非常不同,并且害虫根据其侵染的植物,外观也可能不同。最重要的是,光照条件可能会有所不同——自然阳光、阴天或夜间照明都会影响模型检测害虫的效果。这些因素中的每一个都使得确保模型在不同的田地和条件下准确工作变得棘手。因此,通常需要调整或重新训练模型以处理这些变化,这可能很耗时并且需要更多数据。

高计算资源需求

使用计算机视觉模型进行实时害虫检测可能需要大量的计算能力。为了使模型能够高效运行(尤其是在大型田地中或使用无人机等设备时),它需要强大的硬件和经过良好优化的系统。这在室外环境中可能是一个挑战,因为在室外环境中,并非总是可以获得高计算资源。为了保持平稳运行,许多设置需要高级设备或系统,这会增加成本,并且需要良好的互联网连接才能进行持续监控。

需要广泛的数据集

如上所述,计算机视觉架构需要经过训练才能高效运行。为此,它们需要庞大且多样化的数据集,特别是针对特定种类的害虫。害虫的形状和大小各异,其外观也会因生命阶段和环境等因素而异。为了准确检测不同的害虫,模型需要大量的训练数据来捕捉这些变化。构建这些数据集可能非常耗时,并且可能需要专家输入以确保每种害虫类型的准确标注 。如果没有足够的数据,模型在不同类型害虫中的准确性和泛化能力可能会受到限制。

无人机如何塑造害虫检测的未来

将计算机视觉与机器人技术和无人机相结合,将改变害虫的监测方式。配备先进视觉系统的无人机可以覆盖大型农田区域,远程自动检测害虫。这为农民提供了实时数据,以帮助他们将害虫防治工作集中在最需要的地方。 

这方面的一个很好的例子是 IEEE 发表的 研究,其中配备计算机视觉模型的无人机用于实时检测害虫并规划优化的农药喷洒路线。这种方法减少了农药的使用并改善了作物健康,证明了配备计算机视觉的无人机如何在农业中提供更智能、更有针对性的害虫防治。

图 6. 配备先进视觉系统的无人机。

主要要点

总的来说,具有像 YOLOv8 这样的模型的计算机视觉正在改变农业和耕作中处理害虫防治的方式。通过及早发现害虫,农民可以在虫害蔓延之前阻止它们,并准确识别害虫种类。这种精确性允许有针对性的处理,减少农药的使用,并支持更健康的作物和更清洁的环境。

随着无人机和物联网传感器的加入,农民现在可以自动实时地监测大片田地,从而提高害虫管理的效率。随着技术的进步,未来的模型预计会变得更快、更准确,甚至更易于使用,从而有助于更可持续和环保的耕作方式。

在 Ultralytics,我们致力于突破 AI 技术的界限。请访问我们的 GitHub 仓库,探索我们最新的创新技术和前沿解决方案。加入我们活跃的 社区,了解我们如何改变 自动驾驶汽车 制造业等行业!🚀

让我们一起构建人工智能的未来!

开启您的机器学习未来之旅

免费开始
链接已复制到剪贴板