RSOP-DETR：一种面向任务的Transformer用于稳健田间稻飞虱监测

《SoftwareX》：RSOP-DETR: A Task-Oriented Transformer for Robust In-Field Rice Pest Monitoring

　　

可靠的田间稻飞虱监测对于智能化作物保护至关重要，但由于害虫目标通常较小、与背景植被在视觉上相似，且受光照变化、天气、遮挡及长尾类别分布影响，该任务仍具挑战性。现有研究进一步受限于缺乏同时涵盖害虫类别、益虫及困难负样本的具田间代表性的基准数据集。针对这些问题，研究人员首先构建了RicePest22，一个包含22个类别的田间基准数据集，旨在多样化田间条件下进行逼真的稻飞虱监测。随后研究人员提出了RSOP-DETR，一种基于端到端Transformer的检测器，其集成了自适应分层增强、双重跨层连接模块（Dual Cross-layer Connection Module, DCCM）、基于RepNCSPELAN的特征聚合及Wise-IoU v3定位损失。这些组件共同改善了少数类学习、浅层空间细节保留、多尺度特征聚合及困难样本定位。在RicePest22上的实验结果表明，RSOP-DETR取得了87.0%的F1分数、60.8%的mAP0.5:0.95及14.4%的mAPs，在整体检测精度上优于RT-DETR及近期YOLO风格检测器。尽管在严重遮挡和低对比度背景下极微小害虫检测仍具难度，但结果表明，结合逼真基准数据集与面向任务的检测器设计为AI辅助稻飞虱监测及精准作物保护提供了实用基础。

研究背景方面，水稻害虫监测是水稻生产预警与决策支持的前提，但传统人工巡查依赖经验且效率低，难以满足规模化及时干预需求。现有基于卷积神经网络（Convolutional Neural Network, CNN）的两阶段检测器推理慢、计算开销大，一阶段YOLO系列依赖局部卷积、感受野有限，在复杂稻田背景下小害虫特征易被背景噪声淹没导致误检漏检。基于Detection Transformer（DETR）的框架虽具全局建模能力，但现有设计未充分解决极小目标、负样本干扰、长尾分布及效率要求的耦合挑战。此外，公开数据集多侧重常见害虫，忽视益虫、显式负样本及多样田间视觉条件，限制模型泛化与鲁棒性评估。因此，研究人员开展本研究，旨在构建具田间代表性的基准数据集并设计任务匹配的端到端检测器以提升复杂场景下稻飞虱监测可靠性。

关键技术方法方面，研究人员整合原有RicePest18与2025年9月至10月于中国广东韶关翁源县约一亩稻田采集的实地数据（含3504张害虫图、755张显式负样本、1320张益虫图），构建22类RicePest22数据集并实施自适应分层数据增强（按样本量分A/B/C三级差异化处理）。以RT-DETR为基础架构，引入双重跨层连接模块（DCCM）强化浅深层特征交互，采用General Efficient Layer Aggregation Network（GELAN）中RepNCSPELAN模块优化特征聚合效率，以Wise-IoU v3替换基线GIoU损失优化难样本定位，训练采用AdamW优化器、640×640输入、150轮次，数据集按8:2划分。

研究结果部分，首先在3.1实验设置与评估指标中，研究人员在Ubuntu 22.04、Intel i9-12900K、NVIDIA RTX 4090 D环境下统一训练对比模型，采用Precision、Recall、F1-score、mAP_0.5:0.95、mAP_s等指标及Params、GFLOPs、FPS评估效率，明确RicePest22具长尾分布、目标占比小于0.2、中心偏高斯分布特性。

在3.2负样本假阳性评估中，研究人员在留出129张负样本验证集上测试，RSOP-DETR在置信度0.25时假阳性图像率从RT-DETR的50.39%降至22.48%，置信度0.50时从30.23%降至10.08%，表明其有效抑制非目标干扰。

在3.3与先进检测器定量比较中，研究人员对比多尺度YOLO系列、RT-DETR、RP-DETR，RSOP-DETR取得最优F1（87.0%）、mAP_0.5:0.95（60.8%）、mAP_0.5（84.8%）、mAP_0.75（70.0%），mAP_s达14.4%（较RT-DETR提升5.1%），Params 20.2M、GFLOPs 63.6、FPS 103.55，在精度导向下平衡复杂度。

在3.4 IP102-det公开数据集验证中，研究人员在相同协议下评估，RSOP-DETR较RT-DETR提升mAP_0.55.17%、mAP_0.5:0.952.67%，证明特征交互与聚合设计具跨数据集泛化性。

在3.5定性与可视化分析中，研究人员通过混淆矩阵发现RSOP-DETR对角线响应更强、Class 1漏检率从26%降至19%；定性结果显示其在光照变化、遮挡等场景下边界框紧凑；Grad-CAM++热图显示激活从基线分散背景响应转为集中于害虫本体，+DCCM+RepNCSPELAN指向准确率（Pointing Acc.）达88.98%、前景背景比13.802；失败案例分析显示39.80%为漏检，69.80%关联遮挡/密集场景。

在3.6消融研究中，研究人员以RT-DETR为基线，单独加DCCM使F1达86.3%、mAP_s从9.3%升至12.7%；加RepNCSPELAN至86.9%；加Wise-IoU v3达最终87.0%与14.4% mAP_s，各组件协同提升表征、聚合与优化。

在3.7损失函数分析中，研究人员对比GIoU、CIoU、DIoU、SIoU、Inner-SIoU、ShapeIoU与Wise-IoU v3，后者取得最高mAP_0.5:0.95（60.8%）与mAP_0.75（70.0%），其动态非单调聚焦机制适配田间噪声样本回归。

讨论部分，研究人员指出增益源于任务定义、检测器设计与部署权衡协同推进：生态有效性上RicePest22纳入益虫与干扰模式，从单纯害虫识别转向决策相关判别，自适应增强缓解长尾；小目标局限上mAP_s14.4%仍较低，极微小低对比度目标未完全解决；失败模式指明未来需高分辨率推理、时序跟踪、难负样本挖掘与域适应；操作可行性上63.6 GFLOPs未验证边缘部署，需剪枝量化等加速；安全部署需加密通信、身份认证、访问控制与审计；可靠流程需图像质量筛选、置信度校准与周期重训。

结论部分翻译：本研究解决了现实田间条件下的基于AI的稻飞虱监测问题。研究人员未将其视为通用小目标基准，而是将其构建为一个耦合的农业任务，涉及微小害虫、杂乱叶片、益虫、负样本及与实用作物保护相关的部署约束。在此背景下，RicePest22通过纳入决策相关的非目标生物及多样环境条件，提供了一个更具田间代表性的基准；同时RSOP-DETR提供了一种任务匹配的端到端检测器，以协同方式改进表征、特征聚合与定位稳定性。实验结果表明，RSOP-DETR在RicePest22上于检测质量、小目标敏感度及实际鲁棒性方面取得一致提升，获得87.0%的F1分数、84.8%的mAP_0.5及14.4%的mAP_s。这些发现表明，可靠的稻飞虱监测不仅依赖于更强的模型，还依赖于更逼真地定义监测任务并在具田间代表性的条件下对其进行评估。总体而言，本研究通过展示基准构建与检测器设计如何围绕真实农业需求协同进行，支持了智能化稻飞虱监测与AI辅助作物保护。未来工作将解决失败分析指出的四个局限：首先，鉴于本研究仅提供工作站结果，将在代表性边缘硬件上对RSOP-DETR进行基准测试，并通过剪枝、量化、知识蒸馏、ONNX及TensorRT进行加速；其次，高分辨率推理、更强多尺度特征及难负样本挖掘将针对微小、伪装及非目标混淆案例；第三，域适应与泛化将提升跨区域、季节与光照鲁棒性；最后，视频检测、跟踪与轨迹关联将解决遮挡、密集重叠及种群动态估计。