近日，学院储藏物害虫防治团队在储粮害虫智能检测技术领域取得了最新研究成果。该成果发表在人工智能领域国际顶级期刊Expert Systems With Applications（近三年平均影响因子8.2，中科院SCI一区Top，大类学科：计算机科学），河南工业大学为第一完成单位和通讯单位，学院赵超博士为第一作者和通讯作者。

研究针对我国大尺度粮堆生态体系中关键有害生物——储粮害虫检测表现出准确率低、泛化能力差的行业瓶颈问题，从构建粮食害虫图像大数据集入手，依托我校在粮食产后储粮昆虫分类与防治领域的特色历史优势积淀，将传统形态分类学与人工智能深度学习结合，突破储粮害虫AI识别瓶颈，打通了储粮害虫、生物传感器、识别模型现实场景智能监测的技术瓶颈，为我国大尺度粮堆生态体系害虫智能监测和预警提供了技术基础。

研究提出了一种增强的储粮害虫检测算法，该算法将CBAM集成到骨干网络中，增强对关键特征的感知，从而提高检测精度。在颈部网络引入了卷积自注意机制ACmix，提高了算法效率和目标敏感度，降低了漏检率。采用ECIoU作为检测框损失函数，增强了模型的泛化能力。实验结果表明， mAP@0.5和F1-score分别为91.9%和89.6%，综合性能显著优于Faster RCNN、SSD、YOLO系列和Deformable-detr等算法。

该研究成果将进一步提升我校在储藏物昆虫学领域的研究水平和学术影响力，助力粮食储藏优势学科领域“双一流”创建。

文章链接：https://doi.org/10.1016/j.eswa.2024.124659