基于改進YOLOX 模型的柑橘木虱檢測方法

王海漫 ，俞 婷，肖明明，楊嘉誠 ，陳富榮，易干軍，林德球，羅 敏

（1.廣東省農業科學院農業生物基因研究中心/廣東省農作物種質資源保存與利用重點實驗室，廣東 廣州 510640；2.仲愷農業工程學院信息科學與技術學院，廣東 廣州 510225；3.廣州航海學院信息與通信工程學院，廣東 廣州 510725；4.廣東省農業科學院，廣東 廣州 510640；5.廉江市經濟社會發展研究會，廣東 廉江 524400）

【研究意義】柑橘是我國南方最重要的果樹之一，其果實香嫩多汁、酸甜可口，深受廣大消費者喜愛，已成為兩廣及江浙等地區農業經濟發展的主力軍［1］。黃龍病是世界柑橘生產中最嚴重的侵染性病害，被稱為柑橘的“癌癥”，植株一旦染病，果實產量及品質下降，葉片黃化、植株生長衰退甚至死亡，經濟壽命縮短，直接影響柑桔產業的可持續發展［2］。黃龍病目前可防可控不可治，而其傳播的最主要媒介是柑橘木虱，因此，監測木虱并對其消殺是抑制黃龍病傳播的一大有效手段。

【前人研究進展】目標檢測是機器視覺領域的核心問題之一，其任務就是找出被測圖像中的所有物體，以及確認它們的位置和大小。檢測模型按照運算過程中是否需要產生候選區域，可以分為Two-stage 和One-stage［3］。Two-stage 算法將運算過程分為兩個階段，先提取候選框，判斷框選區域是前景還是背景，第二個階段進行分類，判斷看前景具體類別，Two-stage 算法典型代表有R-CNN［4］、Faster-RCNN［5］等，識別準確率較高，但速度欠佳，不適合實時檢測場景。One-stage 算法主要代表有R-SSD［6］、YOLO［7］系列等，不需要候選階段，直接計算出目標的類別概率和位置信息，雖然識別精度比Two-stage 算法稍差［8］，但檢測速度快、資源消耗更少使其成為嵌入式邊緣設備理想的模型［9］。

在昆蟲的智慧監測方面，俞龍等［10］使用了一種改進的YOLOX 算法對一芽一葉、一芽二葉等茶葉嫩芽進行識別、分類；朱立學等［11］使用加入了注意力機制的YOLOv5s 算法對草坪環境的紅火蟻進行了精準檢測；胡嘉沛等［12］通過改進YOLOv4-Tiny 模型的頸部網絡，利用淺層卷積層包含的位置信息和細節信息，提高了模型對柑橘木虱小目標的識別能力，并使用交叉小批量歸一化方法替代卷積層的批歸一化方法，提高了統計信息的準確度，有效地提升了網絡的檢測精度；周逸博等［13］基于YOLOv5s 設計了Android 端蘋果樹皮病害識別APP，有效輔助果園精準管理；Partel 等［14］使用移動機器在田間拍打樹枝將木虱收集到拍攝臺，使用YOLOv1 和YOLOv3 算法對木虱進行監測，但我國農林作業環境復雜，并多以小農經濟為主，沒有規范化管理，故無法使用上述行走機器作業，我國農業環境更適合體積較小的嵌入式檢測設備［15-16］。引誘劑以及特效殺蟲劑對于木虱的消殺至關重要，胡妍月等［17］研究不同地區柑橘木虱種群對常用殺蟲劑的抗性水平，為生產實踐合理化用藥提供依據；劉科宏等［18］首次在亞洲柑橘木虱中檢測到CYVCV（柑橘黃脈病毒），研究結果豐富了基因組數據庫，可為CYVCV 的防治和研究提供依據。

【本研究切入點】考慮到后期需要部署在嵌入式開發板，選擇速度更快的One-stage類型算法。YOLO 系列作為此類典型代表，經過幾年的發展，已經廣泛應用于工業領域。本研究選擇2021 年由曠視研究院提出的YOLOX［19］模型作為基準算法，在其骨干網絡輸出層加入卷積注意力模塊CBAM（Convolutional block attention module）［20］，增強其特征提取能力；針對柑橘木虱體積非常小，屬于小目標檢測范疇，引入Focal Loss［21］損失函數提高模型對小目標的檢測能力。

【擬解決的關鍵問題】木虱體積較小，需要更加精確的目標檢測算法才可以達到理想的識別效果，基于YOLOX 的改進模型增強了特征提取和小目標檢測能力，契合柑橘木虱檢測場景。

1 材料與方法

1.1 試驗數據采集

試驗所用木虱數據采集于廣東省農業科學院農業生物基因研究中心與廉江智庫合作的果園試驗基地廉江市橙夢園，采集時間為2022 年5 月24—26 日，其中，24 日為陰天，其余兩日為晴天，每日選取7:00～8:00、12:00～13:00、17:00～18:00 3 個時間段進行采樣，拍攝設備為小米11 手機，為確保數據集的穩定性和一致性，整個采集過程采用自動對焦模式，禁用閃光燈和HDR 功能，拍攝距離9～11 cm，圖像像素為3384×6016，共600 張（圖1）。

圖1 柑橘木虱數據集Fig.1 Citrus psyllid data set

1.2 數據集預處理

為了防止600 張木虱數據集發生過擬合現象，如直接輸入模型進行訓練會導致特征學習不明顯導致推理失敗，因此在訓練階段前對數據集進行擴充和增強。首先對600 張圖像進行旋轉和翻轉，增強其泛化能力，并對擴充后的數據集采用改進的Mosaic 數據增強方法，原版Mosaic 是隨機選取4 張圖像進行隨機裁剪，并將裁剪過后的圖像按順序拼接為一張新圖像，再將其與原始數據集一起作為模型的訓練輸入。經過數據擴充與增強后，最終數據集數量為2 100 張，按照8∶1∶1的比例劃分為訓練集、測試集和驗證集，其中1 680 張訓練數據通過LabelImg 軟件手動標注出木虱所在圖像中的位置，得到標簽數據集。

1.3 柑橘木虱檢測模型設計

近幾年來，YOLOv1-YOLOv5 成為工業領域應用最廣泛的目標檢測算法，基于此改進的檢測模型解決了大量的工作，但隨著網絡模型朝著向量化的方向改進，尤其是YOLOv5 其檢測準確率受硬件影響較大，未考慮后期部署工作，其通常在V100 等高成本的機器上進行比較。YOLOX 在前人廣泛的研究基礎上，汲取了大量優秀工作，將YOLO 系列進一步增強，基于YOLOX 模型開展木虱檢測工作，提高其檢測準確率。

1.3.1 YOLOX 模型概述 目標檢測模型根據各部分功能的不同，可以被抽象為Backbone、Neck 和Head 3 個部分，如圖2 所示。主干網絡Backbone 部分對輸入的數據進行特征提取，包括一些定位信息、細節信息等供后續網絡使用；頸部網絡Neck 部分用來提取一些更復雜的特征從而更好的融合和提取特征信息；檢測頭Head 部分利用之前提取到的特征進行計算預測輸出結果。YOLO 系列各版本結構設計如表1 所示。

圖2 檢測模型總體結構Fig.2 Overall structure of detection model

表1 YOLO 各版本結構設計Table 1 Structural design of various versions of YOLO

1.3.2 主干網絡改進 YOLOX 主干網絡使用的是CSPDarkNet 模型，主要使用CSP 結構與卷積層相連接。輸入的圖像首先經過Focus 結構（圖3）進行采樣，采用切片操作將分辨率較高的圖片切分為多個低分辨率的圖片，及隔行隔列的切割再拼接，Focus 操作將平面上的信息轉換到通道維度，從而降低模型結算量。然后經過CSPDarkNet獲取到3 個有效特征層，雖然CSP 結構可以減輕隨著網絡的加深而出現的梯度消失問題，但是也會一同將噪聲與提取到的特征傳輸到深層網絡，降低學習效率。因此本研究在3 個有效特征層后分別加入卷積注意力模塊（Convolutional Block Attention Module，CBAM），可以序列化地在通道和空間兩個維度上產生注意力特征圖信息，然后兩個維度再與原輸入特征圖進行相乘以完成適應特征修正獲得最后的特征圖，是一種結合了通道和空間的輕量級注意力模塊，可以將注意力聚焦在圖像中更加重要的區域，讓模型更加關注重要特征。改進后的YOLOX 模型如圖4 所示。

圖3 Focus 結構Fig.3 Structure of Focus

圖4 改進的YOLOX 網絡結構Fig.4 Improved YOLOX network structure

1.3.3 損失函數 YOLOX 的損失函數由3 部分構成，如下式所示：

L=LReg+LCls+LObj

式中，L為模型總損失，LReg為預測位置和真實位置之間誤差的損失，LCls為判斷類別概率的損失，LObj為對象的置信度損失。基于柑橘木虱小目標的特性，使用Focal Loss 損失函數替換目標損失中的交叉熵損失，Focal Loss 損失函數如下：

式中，γ＞0，使得減少易分類樣本的損失，使其可以更加關注困難的、錯分的樣本，經Focal Loss計算，小目標就可以獲得更高的損失值，從而提升模型整體的小目標檢測能力。

1.4 試驗環境

本模型訓練環境為Ubuntu18.04 操作系統，顯卡選用雙路NVIDIA RTX3060Ti 提供算力，選用Python3.8 編程語言以及Pytorch 1.10.0 深度學習框架，OpenCV 庫版本為4.6.0.66，并采用CUDA11.3+CUDNNv8.2.1 進行加速。

1.5 評價指標

評價指標采用精準率（Precision，P）表示正確識別木虱的占比，召回率（Recall，R）表示木虱的覆蓋程度，精度均值（Average Precision，AP）表示木虱識別的精度，平均精度均值（Mean Average Precision，mAP）表示木虱的平均識別精度，計算公式如下：

2 結果與分析

2.1 改進YOLOX 模型對柑橘木虱的檢測效果

模型初始參數為學習率0.001，Batch 大小16，迭代次數epoch100。圖5 為木虱的識別效果圖，可以看出，模型對于木虱小目標的檢測效果很好，并且對于重疊在一起的多個木虱也可以有較高的識別率；圖6 為改進后的YOLOX P-R 曲線圖，橫坐標為召回率（Recall，R），縱坐標為精準率（Precision，P），坐標軸與P-R 曲線圍成的面積即為木虱識別精度（Average Precision，AP）值，可以得到木虱識別精度的AP 值為85.66%。

圖5 柑橘木虱識別效果Fig.5 Effect of citrus psyllid identification

圖6 YOLOX P-R 曲線Fig.6 P-R curve of YOLOX

YOLOX 主干部分具有多個殘差網絡，其中CSP結構將原來的殘差塊的堆疊拆分為兩個部分，主干部分繼續進行之前的殘差塊的堆疊；另一部分則經過少量處理與多個殘差的輸出特征直接相連，有較大的殘差邊。這個結構可以增加深度來提高準確率，且可以有效緩解深度增加帶來的梯度消失問題，但是也會將噪聲一起傳到更深的網絡，從而影響準確性。加入CBAM 模塊后，使網絡更加關注重要特征，一直非必要特征，減輕噪音對網絡傳輸的影響，大大提高了模型在復雜背景環境下對柑橘木虱的檢測能力。

本研究的改進YOLOX 模型與原版YOLOX 以及其他YOLO 類算法精度對比如表2 所示。從表2 可以看出，木虱檢測模型AP 值分別提高2.70、8.61、4.23、3.62個百分點，取得了很好的檢測效果。

表2 精度對比實驗Table 2 Comparison experiment of precision

2.2 消融比較實驗分析

為分析本文各改進策略對模型性能的影響，共設計3 組實驗對不同的改進進行分析，每組實驗均使用相同訓練參數，在實景采集的木虱數據集上對各改進策略進行訓練和評估，模型性能檢測結果如表3 所示，其中“√”代表在改進模型中使用的策略，“×”代表在改進模型中未使用的策略。原版YOLOX 模型AP 值為82.96%，在主干網絡3 個有效特征層加入CBAM 注意力模塊后，AP 值提高2.11 個百分點；改變交叉熵損失為Focal Loss 損失后，AP 值提高0.79 個百分點。引入Focal Loss 損失函數后，解決了木虱數據集樣本不均衡的問題，從而提高了準確率。

表3 消融對比實驗Table 3 Comparison experiment of ablation

3 討論

YOLOX 是至今為止非常優秀且在工業領域獲得一致好評的開源檢測算法，其在輸入端添加了Mosaic 和MixUp 進行數據增強，主干部分主要采用Focus、CSP 跨階段局部網絡結構和SPP空間金字塔池結構組成，預測端與之前YOLO 系列相比有很大改變，增加了3 個Decoupled Head解耦頭，使網絡收斂速度加快，增強網絡表達能力；標簽分配策略上對OTA 進行了簡化，提出了SimOTA，在訓練過程自適應地動態分配正樣本，大大縮短訓練時間。本研究針對目前小目標檢測存在精度低、誤檢率高等問題，以YOLOX 作為基準模型提出了一種柑橘木虱檢測模型，通過在主干網絡的3 個有效特征層加入卷積注意力模塊CBAM，使其對于某些特征層和空間區域更加關注；使用Focal Loss 損失函數替換目標損失中的交叉熵損失，使模型訓練更加穩定，收斂速度更快。

注意力機制的靈感最先起源于人類的視覺研究，人們可以非常輕松地分辨重要區域和不重要區域，從而獲得重點信息。注意力機制是對數據引入注意力權重信息，突出重要特征，并且抑制非重要信息。CBAM 結合了圖像的通道維度和空間維度，使得網絡可以獲得全局信息并進行分析，從而更加關注圖像中的目標信息。基于YOLOX的木虱檢測模型通過加入CBAM，使得網絡更加關注木虱小目標所在區域，從而提升木虱檢測能力，AP 值提高了2.11 個百分點，且參數量增加很小。

在實際的預測中，小目標相較于大目標有著更低的準確率，更難預測，交叉熵損失函數沒有很好的提高模型對小目標的檢測能力，為了進一步提高模型對小目標的檢測效果，將目標損失中的交叉熵損失改為使用Focal Loss損失函數計算，其通過一個超參數γ 來控制網絡對小目標的關注度，通過降低負樣本的權重，使網絡在訓練階段可以更加關注真實部分和困難樣本，弱化數據不平衡問題，從而提升性能。

本研究通過對YOLOX 的探索和優化，針對柑橘木虱數據提出了一種精度更高的檢測模型。但是性能在我們自己創建的數據集上面沒有公共數據集表現的優秀，因此在數據采集階段的工作還需標準化。另外，人工數據標注也會對樣本訓練產生一定的影響，可以考慮一些自動標注方法。

4 結論

在科技快速發展的今天，農業智能化已經成為一種趨勢，亟待為果園的智慧管理提供一種解決辦法。本研究基于YOLOX 檢測方法，在汲取前沿科技成果的基礎上，通過在主干網絡的3 個有效特征層加入卷積注意力模塊CBAM，提高其重點信息關注程度；改變交叉熵損失為Focal Loss損失，削弱樣本不平衡問題，增強小目標檢測能力，經過測試，AP 值為85.66%，比原模型提高2.70個百分點，推動著目標檢測領域向著更快更準的方向高速發展。