Sistema inteligente de monitoreo de campo para plagas de vegetales crucíferos utilizando imágenes de trampas adhesivas amarillas y un mejorado Cascade R-CNN

Los vegetales crucíferos son cultivos de hortalizas comestibles importantes. Sin embargo, son susceptibles a diversas plagas durante su proceso de crecimiento, lo que requiere un monitoreo en tiempo real y preciso de estas plagas para la previsión de plagas y el control científico. Las tablas adhesivas amarillas colgadas son una forma común de monitorear y atrapar a esas plagas que son atraídas por el color amarillo. Para lograr un monitoreo inteligente en tiempo real y de bajo costo de estas plagas vegetales en las tablas, establecimos un sistema de monitoreo inteligente que consiste en una cámara inteligente, una plataforma web y un algoritmo de detección de plagas desplegado en un servidor. Después de que el operador establece los puntos de preajuste de monitoreo y el tiempo de disparo de la cámara en la plataforma del sistema, la cámara en el campo puede recoger automáticamente imágenes de múltiples tablas adhesivas amarillas en lugares y momentos fijos cada día. Las plagas atrapadas en las tablas adhesivas amarillas en los campos de vegetales, Plutella xylostella, Phyllotreta striolata y moscas, son muy pequeñas y susceptibles a la deterioración y ruptura, lo que aumenta la dificultad de la detección del modelo. Para resolver el problema del pobre reconocimiento debido al pequeño tamaño y ruptura de los cuerpos de las plagas, proponemos un algoritmo de detección de plagas inteligente basado en un modelo mejorado de Cascade R-CNN para tres plagas importantes de cultivos crucíferos. El algoritmo utiliza un método de ventana deslizante superpuesta, una red Res2Net mejorada como la red principal y una red de pirámide de características recursivas como la red de cuello. Los resultados de las pruebas de campo muestran que el algoritmo logra buenos resultados de detección para las tres plagas objetivo en las imágenes de las tablas adhesivas amarillas, con niveles de precisión de 96.5, 92.2 y 75.0%, y niveles de recuperación de 96.6, 93.1 y 74.7%, respectivamente, y un valor F1 de 0.880. En comparación con otros algoritmos, nuestro algoritmo tiene una ventaja significativa en su capacidad para detectar plagas pequeñas. Para obtener datos precisos de las plagas recién añadidas cada día, se propuso un algoritmo de emparejamiento de plagas de dos etapas. El algoritmo funcionó bien y logró resultados que eran altamente consistentes con el conteo manual, con un error medio de solo 2.2%. Este sistema de monitoreo inteligente realiza un monitoreo preciso, buena visualización y monitoreo inteligente de plagas vegetales, lo que es de gran significado ya que proporciona una opción efectiva de prevención y control de plagas para los agricultores.