姚青教授与中国农科院植物保护研究所刘万学研究员联合指导的2021级硕士研究生李航同学的论文”Development of an Intelligent Field Investigation System for Liriomyza using SeResNet-Liriomyza for Accurate Identification”近日被《Computers and Electronics in Agriculture》期刊接收。《Computers and Electronics in Agriculture》是Elsevier出版社旗下的中科院二区TOP期刊，IF=8.3。

      论文题目：Development of an Intelligent Field Investigation System for Liriomyza using SeResNet-Liriomyza for Accurate Identification

      第一作者：李航

      指导老师：姚青

      收录期刊：《Computers and Electronics in Agriculture》

      期刊级别：中科院二区

      论文概述：斑潜蝇是一类世界性的重要农业害虫，种类繁多。其中，美洲斑潜蝇，南美斑潜蝇，三叶斑潜蝇和番茄斑潜蝇在中国是入侵斑潜蝇；葱斑潜蝇是中国本土危害严重的斑潜蝇。对它们实时精准监测是减小它们扩散范围和减轻对农作物危害的前提。因斑潜蝇虫体微小，需专业人员在显微镜下鉴定。为了实现野外便捷准确鉴定上述5种斑潜蝇，本文建立了斑潜蝇野外智能调查系统，包括基于手机的便携式图像采集装置、基于深度学习的斑潜蝇图像识别模型和调查APP。为了拍摄到放大清晰的斑潜蝇图像，文中设计了可装配在手机摄像头外的放大镜头和载体面板。针对手机拍摄的图像局部模糊问题，对图像进行了锐化处理，增强图像特征。为了从相似物种中准确识别出这5种斑潜蝇目标，文中提出了SeResNet-Liriomyza模型。模型在SeResNet模型中嵌入了Spatial Feature Pyramid Networks（SFPN），可防止出现因输入图像尺寸不同导致的误检问题，结合图像的整体和局部特征生成有利于分类的新特征图。与DenseNet-201, ResNeXt-50, MobileNet-v3, EfficientNet-B4和ResNeSt-101等优异的分类模型对比，SeResNet-Liriomyza表现出出色的识别效果，平均识别准确率为99.88%。且作者设计并开发了斑潜蝇智能调查系统的APP，包含智能调查，智能识别，生物字典，调查结果查询等功能。斑潜蝇野外智能调查系统为调查人员提供了一个快速、便捷和准确的斑潜蝇野外调查工具。