基于YOLOv5深度学习的榛子果园柑橘长角天牛(Anoplophora chinensis)检测与定量研究

来自土耳其萨卡里亚的研究人员针对柑橘长角天牛(Anoplophora chinensis)对榛子(Corylus avellana)产业的危害，创新性地采用YOLOv5深度学习框架开发了田间图像识别系统。通过采集87张高分辨率图像，构建含157层特征提取的模型，经100次迭代训练后实现99%的识别准确率，为EPPO A2类检疫害虫的早期监测提供了高效解决方案。

　　

柑橘长角天牛(Anoplophora chinensis Forster)作为EPPO(欧洲与地中海植物保护组织)A2名录检疫物种，可导致包括核果类及林木在内的多种寄主植物死亡。土耳其萨卡里亚Serdivan地区的科研团队聚焦该害虫对榛子(Corylus avellana)产量与品质的影响，开创性地将YOLOv5(You Only Look Once Version⁵)深度学习算法应用于田间场景。

研究团队从三处榛园采集成虫标本，经形态学鉴定后，采用MakeSense软件标注野外与实验室获取的高清图像。构建的Python深度学习模型包含157层特征提取网络，通过100个训练周期(epoch)对87张图像进行学习，数据集按7:1.5:1.5比例划分为训练集、验证集和测试集。最终模型展现出99%的物种识别准确率，证实了深度学习在检疫性害虫早期预警中的卓越性能。这项研究不仅为柑橘长角天牛精准识别提供新范式，更为植物检疫策略制定提供了关键技术支撑。