7月19日上午,在指導老師張伏帶領下,河南科技大學由農業裝備工程學院與機電工程學院研究生組成的科研團隊在鞏義市回郭鎮北羅村的米娃娃家庭農場水稻田里水稻害蟲數據采集工作取得圓滿進展。此次數據采集,標志著團隊在基于深度學習的水稻害蟲智能檢測方法研究項目中邁出了堅實一步,為后續模型構建與優化提供關鍵數據支撐,也為智慧農業發展注入新活力。
(一)科技賦能農業:開啟害蟲智能檢測新路徑

水稻是我國重要的糧食作物,其生長過程中常受到多種害蟲的侵襲,嚴重影響產量和品質。傳統的人工田間調查方法存在諸多不足,難以滿足精準農業對害蟲監測和預警要求。為解決這一問題,團隊致力于開展基于深度學習的水稻害蟲智能檢測及預測方法研究,旨在通過精準識別和預測水稻害蟲,做到水稻害蟲監測和預警,從而保障國家糧食安全,推動智慧農業發展。
(二)田間地頭采集:精準數據筑牢研究根基

數據采集是該項目的關鍵環節。在水稻種植區域,種糧大戶焦三軍:“你們直接光腳下田就行,水稻踩壞了也不用擔心。”,在焦老師熱情招引導,團隊成員在稻田中通過人工實地采集多角度RGB圖像數據,涵蓋了不同光照、陰影等復雜背景條件下水稻害蟲圖像。此次采集圖像數據豐富多樣,為后續的圖像增強和數據集構建提供了堅實的基礎。

“數據采集工作雖然辛苦,但看到這些高質量的圖像數據,我們感到非常欣慰。”項目負責人表示,“這些數據是我們后續研究的基石,將幫助我們構建更加精準高效的害蟲檢測模型。”

(三)智慧農業實踐:數據驅動未來農業發展
團隊采用圖像增強算法對標注圖像進行隨機旋轉、縮放、裁剪和動態模糊處理,并調整所有圖像至同一尺寸,構建均衡且具有高泛化能力的數據集。這一數據集的建立,將為深度學習模型的訓練和優化提供有力支持,有助于提高模型在復雜背景下害蟲識別的精度和效率。

此次數據采集工作的成功完成,不僅為項目順利推進奠定了堅實基礎,也為團隊積累了寶貴經驗。團隊成員在實踐中進一步熟悉了數據采集流程和技術操作,提升了團隊的協作能力和專業水平。
未來,團隊將繼續在模型構建與優化、實地測試與優化以及技術推廣與應用等方面開展深入研究,努力實現水稻害蟲精準識別與預警,推動智慧農業技術落地應用。
隨著人工智能技術的不斷發展,其在農業領域的應用前景廣闊。此次水稻害蟲數據采集工作圓滿完成,是智慧農業領域的一次重要實踐。我們期待該項目能夠取得更多突破性成果,為我國農業現代化發展貢獻更多力量。