泰迪杯实战案例超深度解析：基于YOLOv5的农田害虫图像识别系统设计

（第十届泰迪杯数据挖掘挑战赛A题特等奖案例全流程拆解）

---

一、案例背景与核心挑战

1.1 行业痛点与数据特性

在农业植保领域，虫情检测灯每天产生海量图像数据，但传统人工识别存在以下问题：

• 效率低下：1名植保员每天最多分析200张图，无法满足实时预警需求。

• 专业门槛高：138种害虫存在形态相似性（如稻纵卷叶螟与二化螟幼虫差异仅5%）。

• 数据难题：

  • 类别极度不平衡：高频害虫（如褐飞虱）样本量>200，稀有类（如稻水象甲）仅1-5张。

  • 标注噪声：虫体遮挡、姿态多变导致标注框偏移（平均IoU误差15%）。

  • 环境干扰：夜间拍摄光照不均、水雾反光等问题影响图像质量。

1.2 技术目标与评估指标

任务	技术指标	实现难点
目标检测（mAP@0.5）	>0.85（baseline:0.72）	小目标检测（虫体平均尺寸80x60px）
长尾类识别（F1-score）	尾部类（样本<20）提升至0.65+	数据稀缺下的特征泛化能力
实时推理速度	Jetson Nano平台>20FPS	模型轻量化与算子优化
系统鲁棒性	光照变化、遮挡场景下精度下降<5%	抗干扰特征学习

---

二、数据工程：从原始数据到高质量训练集

2.1 数据清洗与标注修正（工业级细节）

2.1.1 噪声标注半自动修正流程

1. 初筛阶段：

   • 利用预训练模型推理，筛选置信度<0.3的预测框作为疑似漏标样本。

   • 计算标注框长宽比异常值（昆虫通常1:1~1:3），标记离群样本。

   python

   def find_abnormal_anns(annotations, ar_thresh=[0.3, 3.5]):  abnormal_ids = []  for ann in annotations:  w = ann['xmax'] - ann['xmin']  h = ann['ymax'] - ann['ymin']  ar = w / h  if ar < ar_thresh[0] or ar > ar_thresh[1]:  abnormal_ids.append(ann['id'])  return abnormal_ids  

2. 人工核验工具链：

   • 开发基于CVAT的标注修正平台，集成智能辅助功能：

     • 自动补框：对漏标虫体，点击虫体中心后，模型预测候选框。

     • 重叠合并：对同一虫体的多个碎片框，自动计算最小包围框。

   • 核验效率提升：通过预筛选&