河南农业大学吴莉莉教授等:基于时空特征自适应融合的蚜虫排蜜露行为实时监测预警

蚜虫是农林作物的重要害虫和传播植物病毒最重要的介体类别之一，其排蜜露行为不仅包含了昆虫和植物互作的重要信息，更为植物抗性机制研究、害虫发生动态监测及预警提供了重要依据。针对人工监测或化学分析蚜虫蜜露的效率低、实时性差、操作复杂差等问题，该研究提出一种时序加权帧差自适应融合框架（temporal weighted frame difference adaptive fusion framework，TWFDAFF）提取蚜虫的时空运动特征。

在YOLOv11的网络结构基础上进行优化调整，通过采用细粒度双向特征金字塔网络、全局到局部空间聚合模块、CLWA模块（融合C3k2的局部窗口注意力机制），以及双缓存平滑插值和动态类别判定等后处理优化框架，构建了小目标精细行为检测模型FGC-YOLO，以此实现对蚜虫排蜜露行为的实时监测。

试验结果表明，该研究提出的检测框架平均精度为81.5%，参数量为18.8M，浮点计算量为84.3G，平均检测速度为65帧/s ；与其他主流算法相比，在小目标动作行为检测能力方面有显著提升。该文提出的基于TWFDAFF和FGC-YOLO的蚜虫排蜜露行为监测预警方法切实可行，为蚜虫等小型害虫的智能化预测预警提供技术支撑。