基于YOLO的蓝莓果蝇（Rhagoletis mendax）检测

《Journal of Pest Science》：YOLO-based detection of blueberry fruit fly (Rhagoletis mendax)

　　

摘要

蓝莓果蝇（Rhagoletis mendax Curran）（BFF）是野生蓝莓生产中的主要害虫，因为幼虫侵染会降低果实品质，并在"零容忍"的市场标准下可能导致浆果被拒收。目前对BFF的监测依赖于对加铵诱捕的黄色粘虫板进行目视检查，这种工作方式劳动强度大，可能延误及时的管理决策。本研究评估了使用基于YOLO11的目标检测器自动识别粘虫板图像中BFF的可行性。图像采集自新斯科舍省九个商业管理的野生蓝莓田中部署的27个粘虫板，时间为2025年田间季节。所形成的数据集包含528张标注好的粘虫板图像，共记录2,187个BFF实例。研究人员使用迁移学习训练了一个YOLO11-small模型，并在独立保留的测试集上进行评估。在测试集上，检测器达到了0.925的精确率、0.864的召回率、0.893的F1分数、0.926的mAP@0.5、0.681的mAP@0.5:0.95，平均每张图片推理时间为9.6毫秒。除了标准检测指标外，研究还比较了保留测试数据集（n?=?53张图片）上的预测计数和人工计数。计数一致性很高，存在轻微的负偏差（??0.132），平均绝对误差较低（0.472），均方根误差较低（0.836），皮尔逊相关系数很高（r?=?0.996；95% CI：0.992–0.997）。对于6头果蝇行动阈值的阈值分类准确率为1.0。剩余的误差大多与粘合剂反光、粘虫板边缘部分可见的果蝇以及罕见但外观相似的非目标实蝇科昆虫有关。此外，研究还开发了一个公开访问的网络应用程序，以展示实际部署效果。总体而言，这些结果表明，基于YOLO的检测技术能够对BFF粘虫板图像提供准确、快速的解读，是迈向野生蓝莓生产自动监测和未来电子粘虫板系统的重要一步。