基于改进YOLOv7的水稻虫害检测算法研究.pdf

摘要

中国是世界农业大国，更是产粮大国。农业是支撑国民经济建设和发展的重要

基础。特别是党的十八大以来，粮食安全成为治国理政的头等大事。水稻作为我国

三大主要粮食作物之一，水稻是我国三大主要粮食作物之一，种植面积约在4.5亿

亩左右，产量多年保持在2亿吨以上，为全球第一。其播种面积占全国粮食种植面

积30%左右，产量占50%。我国每年因病虫害导致的农作物减产量高达4000万吨，

约占总产量的8.8%。其中，玉米、小麦和水稻受病虫害最为严重，每年损失量在

3600亿斤以上。据全国农机中心组织报道，2023年全国水稻病病虫害发生面积11.6

亿亩次，其中虫害8.0亿亩次，2024年预测我国水稻病虫害发生面积将达到12.4亿

亩次，呈现偏重发生态势。水稻虫害是影响水稻生长和产量的主要因素之一。传统

农业下对虫害的识别和处理需要农民依靠自身经验，会出现漏判误判和药物滥用等

现象。而聘请专业技术人员识别并进行处理，但该方式效率低、成本高，浪费大量

的人力物力。随着计算机科学技术不断更新迭代，人工智能技术大量投入现实应用。

农业领域也步入智能、便捷、准确的信息化时代。“十四五”时期三农工作重心转

向全面推进乡村振兴，其中发展智慧农业，提升农业生产保障能力是农村信息化发

展的主攻方向。

本文对常用的基于深度学习的目标检测算法（以FasterR-CNN、SSD、YOLOv5、

YOLOv7为例）的特征及优缺点进行了分析。选择了精度高且轻量的YOLOv7目标

检测模型。原始YOLOv7模型参数及计算量较大，不利于模型部署到边缘终端上。

因此对原始YOLOv7模型进行了改进。首先，使用深度可分离卷积替换了YOLOv7

的卷积层。实验结果显示该改进提高了模型的推理速度。其次，继续使用空洞卷积

替换基于深度可分离卷积改进后YOLOv7模型的金字塔池化模块，提高了模型的精

度。实验表明，基于深度可分离卷积和空洞卷积综合改进后的YOLOv7目标检测算

法的模型较原始YOLOv7在精度和推理速度上分别提升了0.13%、13.93%。最后使

用Web开发了水稻虫害检测平台。检测平台以图片和文字进行结果反馈。

改进后的YOLOv7算法及检测平台具有轻量化、速度快、低消耗、精度高、易

部署、易维护的特点，能够满足在实际农业场景中的应用，可以及时对检测到的信

IV

息进行反馈，帮助农民和技术人员进行现场决策。

关键词：水稻虫害检测，目标检测算法，YOLOv7，深度可分离卷积，空洞卷积

V

ABSTRACT

Chinaisnotonlyamajoragriculturalcountryintheworld,butalsoamajorgrainproducer.

Agricultureisanimportantfoundationsupportingtheconstructionanddevelopmentofthenational

economy.Especiallysincethe18thCPCNationalCongress,foodsecurityhasbecomethetoppriority

ingoverningthecountry.Rice,asoneofthethreemajorgraincropsinChina,hasanareaofabout

450millionmuandayieldofmorethan200milliontonsperyear,rankingfirstintheworld.Its

plantingareaaccountsforabout30%ofthecountrysgrainplantingareaandtheoutputaccountsfor

50%.Theannualcropyieldreductioncausedbypestsanddise