YOLO-DwSimAM：一种用于水稻作物害虫检测的改进型YOLOv11网络

《Neurocomputing》：YOLO-DwSimAM: An Improved YOLOv11 Network for Insect-Pest Detection in Rice Crop

　　沙利尼·库马里|苏迪普·马尔瓦哈|哈什·萨昌|穆德·阿什拉富尔·哈克|钱丹·库马尔·德布|阿尔卡·阿罗拉|沙希·戴亚|P R 萨尚克|姆林莫伊·雷
印度农业统计研究所计算机应用部门，新德里

摘要
水稻是最重要的谷物作物之一，为全球数十亿人提供食物保障。然而，它易受多种害虫侵害，这些害虫会严重破坏作物并降低产量。传统的害虫管理方法依赖于人工田间巡查，不仅劳动强度大、耗时久，还容易出错。随着深度学习的进步，诸如YOLO网络之类的自动检测框架已成为实时监测作物害虫的有效工具。本研究提出了一种改进的轻量级网络——YOLO-DWSimAM，它基于YOLOv11架构构建。在该网络中，一个简单的无参数注意力模块（SimAM）与深度卷积（DWConv）被整合到一个名为DW-SimAM的轻量级统一模块中，从而在减少可训练参数的同时提升网络的特征提取能力。研究团队从不同稻田收集了1,721张图像作为害虫数据集，并为图像中的害虫标注了边界框以便定位。YOLO-DWSimAM网络仅有193万个可训练参数，运算量为4.9 GFLOPs，在测试数据集上的mAP@50值为0.851，比基准模型YOLOv11高出1.19%。此外，该网络在树莓派4等边缘设备上表现优异，对于640×640尺寸的输入图像，其平均推理时间为0.67秒，帧率为1.49帧/秒。这些结果表明，该网络在保持高效计算的同时实现了更高的检测精度，非常适合在资源有限的农业环境中进行实时害虫管理。

引言
水稻几乎是世界上一半人口的主要食物来源，几乎在114个国家都有种植，主要集中在亚洲和非洲[1]。在印度，水稻是主要的粮食来源，对人们的日常饮食习惯有着重要影响，尤其是在南部和东部地区。印度是全球第二大水稻生产国，耕地面积达4300万公顷，其水稻产量占全国总粮食产量的近40%[2][3]。尽管水稻具有重要意义，但害虫侵害仍对水稻生产构成巨大威胁，因为它们会大幅降低产量并降低粮食质量，进而威胁到粮食安全及农民的生计[4]。在整个生长周期中，水稻极易受到各种害虫的侵害，包括茎蛀虫、叶蝉以及其他多种有害物种。在大规模农业生产中，人工识别害虫既耗时又费力，因此难以实现。这就需要依靠高效、准确且具备可扩展性的自动检测系统。人工智能技术的进步使得在田间大规模自动识别害虫成为可能[3]。深度学习技术，尤其是卷积神经网络，能够从作物图像中识别复杂的视觉模式，从而准确识别害虫[5][6]。计算机视觉技术的发展已发展到图像分类和物体检测阶段，能够通过识别害虫的类别和位置来实现实际场景中的检测。YOLO即“只需看一次”，对于实时检测至关重要。它的单阶段设计能够在一次前向传播中确定物体的类别和位置，因此相比R-CNN、Fast R-CNN和Faster R-CNN等基于区域的方法，推理速度更快[7][8][9]。后续的改进，如特征金字塔网络，通过引入更强大的多尺度特征学习功能，提高了对小物体的敏感度，使得在复杂农业环境下也能更可靠地检测到密集分布的害虫[10]。

已有许多研究致力于开发适用于多种作物的害虫检测技术，以提高检测系统的可扩展性和适应性。例如，林斯等人[11]实现了蚜虫的自动计数和分类，以辅助害虫管理，但对于椰子毛虫等害虫仍需人工监测。文等人[12]开发了一种自动田间陷阱方法来识别蛾类，通过10折交叉验证达到了96.9%的准确率。在黄麻害虫检测方面，伊斯兰等人[13]在包含17种害虫的7,235张图像数据集上测试了多个预训练模型，其中DenseNet201的表现最佳，准确率高达97%。张等人[14]提出了Jute Pest-YOLO模型，该模型不仅准确率高达98.7%，mAP@0.5值也为95.68%，同时还降低了计算复杂度。近期还有许多研究评估了不同的检测方法，包括实时检测网络和通用应用方法。维拉尔-安德鲁等人[15]开发了一种基于YOLOv8的害虫识别技术，其在多种作物上的检测效果表现为mAP@50值为0.967，mAP@50-95值为0.632。在苹果害虫检测方面，萨普科塔等人[16]使用真实图像和合成图像对比了YOLOv10、YOLOv11和YOLOv12模型，结果显示YOLOv12n的准确率最高，而YOLOv11n的推理速度最快。与此同时，基于变换器的检测器也越来越受到关注。赵等人[17]提出了RT-DETR，这是首个无需依赖非极大值抑制即可实现实时推理的端到端变换器检测器。关于注意力的研究逐渐表明，像SimAM这样的轻量级机制能够显著提升检测性能[18]。吕等人[19]提出了Si-CA MobileNet，该模型将SimAM与坐标注意力相结合，在State Farm数据集上的准确率为99.80%，在100 Driver数据集上的准确率为92.35%，且仅包含317万个参数，运算量为175.95百万次浮点运算。巴图尔等人[20]提出了LWDSC-SA，这是一种结合深度可分离卷积和空间注意力的轻量级架构，在PlantVillage数据集上的准确率为98.7%，性能优于多个基准模型。秦等人[21]提出了SIS-YOLOv8，该模型融合了融合式Inception卷积、带风格随机化的C2f-SIS以及SPPF-IS模块，通过DepGraph剪枝技术，模型的参数减少了19.9%，在马铃薯和番茄病害检测方面的准确率、召回率和mAP指标均优于YOLOv8n。张等人[22]提出了EDGE-MSE-YOLOv11，这是一种基于三模块轻量级感知机制的稻病检测框架，该机制整合了多尺度特征融合、基于SimAM的特征优化以及高效的空间下采样功能。马等人[23]提出了MDAS-YOLO，用于苹果园害虫识别，该模型结合了输入级照明增强、边缘感知特征提取、自适应跨尺度融合以及基于SimAM的显著性重新校准功能，其mAP值为95.68%，比YOLOv11n高出6.97%。罗等人[24]提出了Light-SA YOLOv8，用于柑橘害虫和病害识别，该模型结合了BRA自注意力、FasterNet块以及基于AFPN的特征融合功能，实现了92.5%的mAP@0.5值，并具有较高的推理效率。刘等人[25]通过将SimAM集成到C2f模块中，并在检测头之前应用EMA注意力机制，开发出了YOLO-Wheat模型，该模型在实时小麦害虫检测方面的mAP@0.5值为89.6%，mAP@0.5-0.95值为46.5%。

尽管上述方法通过特定的架构创新展现了出色的检测性能，但它们大多侧重于单一模态的特征提取。因此，在害虫检测领域，自适应特征调整、结构保持以及跨模态表示等更为复杂的挑战仍未得到解决。在通用特征表示学习方面的新框架为提高农业环境中的检测鲁棒性、边界敏感度和语义区分能力提供了理论基础。最近在特征表示学习方面的进展为视觉感知任务带来了显著突破。段等人[26]提出了DUCT模型，该模型结合了动态局部增强和一元共现激励功能，以实现自适应特征调整。王等人（2025年）提出了SD-Fuse框架，该框架利用全局结构依赖关系和局部焦点感知表示，实现精确的边界对齐和结构保持型特征优化。李等人[27]开发了IFD-DBF模型，这是一种迭代特征分解框架，能够动态分解各模态特有的特征，并平衡高频信息，从而实现强大的多模态融合。王等人[28]提出了一种无需训练的输入空间优化方法，该方法可从预训练网络中提取平衡差异特征和边缘特征，用于精确的特征优化。此外，王等人[29]提出了MTG-Fusion模型，该模型利用大型视觉语言模型为跨模态特征提取和模态特定融合提供语义文本指导，从而提升不同模态之间的语义一致性。尽管农业对象检测技术已经取得了一定进展，但大多数现有模型仍缺乏适合在真实田间条件下检测小型、视觉特征复杂且难以与背景区分的稻田害虫的轻量级设计。这一缺陷进一步限制了其在精准农业中资源受限设备上的应用。为解决这一问题，我们基于YOLOv11架构提出了一种改进的轻量级检测模型——YOLO-DWSimAM。该模型采用了无参数注意力机制SimAM，该机制无需增加额外参数或引入噪声，就能根据特征的独特性来确定神经元的重要性，从而提升特征学习的准确性；同时，该模型还采用了深度卷积（DWConv），这种机制可以对每个通道进行独立的空间过滤，从而在降低计算成本的同时保留空间特征。通过整合DWConv和SimAM，YOLO-DWSimAM提升了对稻田中小型且结构复杂的害虫的检测能力，为稻田害虫检测提供了一种轻量高效解决方案。本研究的主要贡献如下：
•在昆虫学家和领域专家的指导下，从不同农业田地获取了高质量的水稻害虫图像，并为这些图像标注了用于定位害虫的矩形边界框。随后，研究团队提出了一个算法，用于对图像及其对应的边界框进行增强处理。
•提出了一种名为YOLO-DWSimAM的改进型轻量级网络，用于检测水稻害虫。该网络将SimAM注意力机制与深度卷积整合到一个名为DW-SimAM的轻量级统一模块中，从而在减少可训练参数的同时提升网络的特征提取能力。
•为了评估性能，将所提出的YOLO-DWSimAM网络与多种基于YOLO的网络、基于变换器的RT-DETR以及农业检测网络进行了对比。此外，还使用了Grad-CAM++可视化技术来解释和验证模型学到的特征表示，同时还在公开数据集上对该网络进行了测试，以证明其检测性能。
•将所提出的YOLO-DWSimAM网络部署在树莓派4边缘设备上，以验证其在实时边缘应用中的适用性，结果表明该网络在低成本边缘计算环境中能够有效检测害虫。

数据采集
水稻害虫图像数据集是在2021-2022年间，于印度不同农业地区的自然田间条件下采集的。数据收集工作在领域专家的指导下进行，这些图像被存储在NIBPP在线数据库中，该数据库是由印度农业统计研究所开发的安卓移动应用（可在以下链接查看：https://play.google.com/store/search?q=NsIBPP&c=apps）。从该数据库中选取了1,721张图像作为研究数据。

实验结果
本研究使用了1,721张水稻害虫图像作为数据集，后来通过补充数据，总图像数量增至5,170张，对应的标注实例共有5,948个。在这项研究中，我们提出了YOLO-DwSimAM网络，这是一种改进型的YOLOv11网络，它将深度卷积与无参数的SimAM注意力机制相结合，从而在降低计算复杂度的同时实现丰富的特征表达。在性能评估方面，所提出的YOLO-DWSimAM网络与YOLOv5等多种基准架构进行了对比。

轻量级YOLO-DWSimAM网络的优势
本研究提出了一种基于YOLOv11架构的轻量级YOLO-DWSimAM网络，该网络能够高效准确地检测水稻害虫。该网络将深度卷积与SimAM注意力机制相结合，从而在检测精度和计算效率之间实现了良好平衡。将深度卷积引入该网络架构的一个关键优势在于，它用深度卷积替代了传统的卷积操作。通过轻量级的自适应转换，提升了检测性能。

结论
本研究提出了一种名为YOLO-DWSimAM的轻量级害虫检测网络，该网络能够高效准确地检测稻田中的害虫。该网络的核心目标是以最小的计算成本实现精确的害虫检测。为了在降低计算负担的同时实现准确的害虫检测，该网络将深度卷积与无参数的SimAM注意力机制相结合。深度卷积有助于……

资金支持
本研究未获得任何形式的资金支持。

作者贡献说明
穆德·阿什拉富尔·哈克：撰写——审稿与编辑、方法论、形式分析、概念设计。钱丹·库马尔·德布：验证、方法论、研究分析。哈什·萨昌：撰写——审稿与编辑、验证、形式分析。沙利尼·库玛丽：撰写——审稿与编辑、初稿撰写、可视化、方法论、概念设计。苏迪普·马尔瓦哈：撰写——审稿与编辑、监督、项目管理、概念设计。P R 萨尚克：验证、研究分析、数据整理。

利益冲突声明
作者声明不存在任何利益冲突。

致谢
作者衷心感谢国家农业高等教育项目（NAHEP）为开展本研究提供的计算资源支持。

利益冲突声明
作者声明自己没有已知的可能影响本文研究结果的财务利益或个人关系。

沙利尼·库玛丽目前正在印度农业研究研究所（ICAR-IARI）攻读博士学位，她的研究工作在印度农业统计研究所计算机应用部门进行。她的研究兴趣包括人工智能、深度学习以及计算机视觉。