近日，长江大学计算机科学学院詹炜教授和农学院桂连友教授联合培养的2023级博士研究生张智亮以第一作者，长江大学作为第一单位，在计算机与农业交叉领域中科院一区TOP期刊Computers and Electronics in Agriculture刊发文章，相关研究提出一种全新的稻飞虱检测计数结构（RPH-Counter），有效解决现有方法在野外复杂环境下检测计数精度低的难题。

Computers and Electronics in Agriculture在农业综合类中排名前列，主要刊发计算机与电子信息技术在农业实践中的最新研究与综述，特别强调文章的新颖性和创新性。

文章以“RPH-Counter: Field Detection and Counting of Rice Planthoppers Using a Fully Convolutional Network with Object-Level Supervision”为题。该研究项目得到了国家自然科学基金面上项目《融合动作发生域及行为时空特征的实蝇科昆虫梳理行为智能识别方法研究》的支持。

该研究认为，对于微小害虫检测与计数任务，精确的预测框并非必须，模型仅需对每个对象找到一个“点”即可。RPH-Counter的模型部分为一个全卷积网络，其工作的核心在于采用本文提出的对象计数损失函数（Object counting loss）对模型进行优化。其基于目标框标注，使用中心点优化模型预测对象中心，利用标注框来优化模型对每个对象的预测范围，并在训练过程中不断约束假阳性，将全卷积网络原本的语义分割能力扩展至目标检测与对象计数。

研究结果表明，同最先进的目标检测器相比，RPH-Counter的检测精度提升了8.62%，计数误差下降了61%，训练与推理速度分别提升了31.1%与68.7%。与密度估计方法相比，计数误差下降了23%，训练与推理速度分别提升了182%与82.2%。相关数据表明，RPH-Counter在检测精度、计数误差、推理速度上都显著优于现有稻飞虱检测计数方法，为野外害虫计数与害虫种群监测提供了一个新的研究思路与应用前景。

詹炜教授和桂连友教授共同指导成立的“虫姿百态”团队，注重学科交叉实践育人，深耕“人工智能+智慧农业”关键研究与应用，本论文的作者就曾多次到湖北江陵县和石首市等地实地采集稻飞虱数据。此前，团队研发的“全流程昆虫行为分析系统”已应用于柑橘大实蝇等5种实蝇科昆虫的行为识别，能够准确分析昆虫的十几种细微行为，较人工分析效能提高十倍以上。

除了导师的保驾护航，学校学院注重前沿的科研体系也成为团队探索广袤科研宇宙的桥梁。今年5月，在“天鹅杯”第九届国际大学生智能农业装备创新大赛全国总决赛上，“虫姿百态”团队精益求精、积极备赛、集中打磨，从激烈的初赛中脱颖而出，进入现场答辩环节，最终斩获全国一等奖。

无论是心怀创业梦想、渴望展现风采，还是想要提高自身学习能力、培养科研精神，在长江大学浓郁的科创氛围中，学子可以加入自己科研团队、攻关专业难题，结识更多倾心学术科研的朋友！

期待新学期里，更多长大学子在这里展翅翱翔，放飞科创梦想，实现科研抱负。

更多精彩资讯，欢迎关注长江大学本科招生！

素材来源：长江大学官网、官微